我在keras中有一个优化的深层密集神经网络，用于二元分类问题。我想降低高真阳性率区域的假阳性率。换句话说，我希望获得尽可能多的真正阳性信号（约80％）并降低误报率。这种情况非常类似于本文所描述的情况，除了我使用的网络更复杂，第一层有5层，多达200个节点： https://www.microsoft.com/en-us/research/wp-content/uploads/2016/02/YihGoodmanHulten-ceas06.pdf 我尝试了许多不同的方法，包括两阶段训练，偏差损失函数，以及以各种方式修改样本的权重。然而，最终结果一直是roc曲线没有变化，或者在真阳性率低的区域（大约20％左右）误报率增加
我有什么方法可以实现这个目标吗？