我目前正致力于通过使用一些分类学习算法来估算信号的项目，例如物流回归和使用scikit-learn的随机森林。
我现在正在使用混淆矩阵来估计不同算法在预测中的性能，我发现两种算法都存在共同的问题。也就是说，在所有情况下，尽管算法的准确性似乎相对较好（约90％-93％），但与TP（FNR <3％）相比，FN的总数相当高。有没有人知道为什么我在预测问题中遇到这种问题。如果可能的话，你能给我一些关于如何解决这个问题的提示吗？
感谢您的回复和帮助。
更新： 数据集极不平衡（8：1），总共约180K观测值。我已经测试了几种重新采样方法，例如OSS，SMOTE（+ Tomek或+ ENN），但它们都没有返回好的结果。在这两种情况下，虽然召回率从2.5％上升到20％，但精确度显着下降（从60％降至20％）。
答案 0 :(得分：0)
你可能有一个不平衡的数据集，其中一个类的例子比你的其他类多得多。
一种解决方案是使用较少的示例来提高错误分类的成本。
Cross Validated中的这个问题涵盖了您的问题的许多方法： https://stats.stackexchange.com/questions/131255/class-imbalance-in-supervised-machine-learning
修改
鉴于您使用的是scikit-learn，作为第一种方法，您可以在Logistic regression上将参数class_weight设置为balanced。