R randomForestでの置換によるサンプリング

randomForest実装では、置換でサンプリングする場合でも、観測数を超えるサンプリングは許可されません。どうしてこれなの？

正常に動作します：

rf <- randomForest(Species ~ ., iris, sampsize=c(1, 1, 1), replace=TRUE)
rf <- randomForest(Species ~ ., iris, sampsize=3, replace=TRUE)

私がしたいこと：

rf <- randomForest(Species ~ ., iris, sampsize=c(51, 1, 1), replace=TRUE)
Error in randomForest.default(m, y, ...) : 
  sampsize can not be larger than class frequency

層別サンプルなしの同様のエラー：

rf <- randomForest(Species ~ ., iris, sampsize=151, replace=TRUE)
Error in randomForest.default(m, y, ...) : sampsize too large

どちらの場合もreplace = TRUEが指定されている場合、メソッドがブートストラップサンプルを取得することを期待していたため、この制限を期待していませんでした。

私の目的は、比較的まれなクラスから十分に大きなサンプルを引き出すために、これを層別サンプリングオプションで使用することです。

これは理由には答えませんが、これを回避するために、トレーニングデータのまれなクラスのデータを複製して、結果の層別サンプルを取得できます。

「自然な」オーバーサンプリングと比較して、このアプローチには2つの欠点があります。

• アウトオブバッグの見積もりはもはや意味がありません
• オブジェクトを保存してランダムなサンプルを取得するには、より多くのリソースが必要です

しかし、これにより、希望するクラス比率でフォレストを構築できます。

私はまったく同じ質問があり、これがrandomForestの変更ログで見つかりました：

4.1-0での変更点：

• randomForest（）では、sampsizeが指定されている場合、サンプリングはクラスで層別化されるだけでなく、置換なしで行われるようになりました。したがって、sampsizeはクラス周波数よりも大きくすることはできません。

replace = TRUEを手動で設定しても、これが上書きされないようです。