在Keras分类神经网络中进行精确交易以获得更好的回忆

Question

总是在精确度和召回率之间进行权衡。我正处理一个多类问题，对于某些类，我有完美的精度，但回忆率很低。

因为对于我的问题，假阳性不是缺少真阳性的问题，我希望降低精度，支持增加某些特定类的回忆，同时保持其他东西尽可能稳定。 有哪些方法可以进行精确度交易以获得更好的回忆？

Answer 1

您可以对分类器输出图层的置信度得分使用阈值，并绘制精度并在不同的阈值值处调用。您可以为不同的类使用不同的阈值。

您还可以查看Tensorflow的weighted cross entropy作为丢失函数。如上所述，它使用权重来通过向上或向下加权相对于负误差的正误差成本来权衡召回和精确度。