在 Keras 分类神经网络中进行精度交易以获得更好的召回率

Posted 2023-03-13

【中文标题】在 Keras 分类神经网络中进行精度交易以获得更好的召回率

【英文标题】：Trading in precision for better recall in Keras classification neural net

【发布时间】：2018-07-28 13:33:47

【问题描述】：

准确率和召回率之间总是需要权衡取舍。我正在处理一个多类问题，对于某些类，我有完美的精确度，但召回率非常低。

由于对我的问题来说，误报比漏报更不是问题，因此我希望降低精度以增加某些特定类别的召回率，同时尽可能保持其他事情稳定。 有哪些方法可以用精确度换取更好的召回率？

【问题讨论】：

看起来您的问题属于交叉验证，而且看起来与 TF 或 Keras 没有任何关系。一些建议是在 CV 上搜索这种权衡，尤其是查找过采样/欠采样。

【参考方案1】：

您可以在分类器输出层的置信度得分上使用阈值，并绘制不同阈值值下的精度和召回率。您可以对不同的类别使用不同的阈值。

您还可以查看 Tensorflow 的 weighted cross entropy 作为损失函数。如前所述，它使用权重来权衡召回率和精度，方法是对正错误相对于负错误的成本进行上下加权。