分析不同优化器对Keras的影响并改进模型的可能性

Question

我在Keras中编译了一个深度学习模型，并在adam函数中使用rmsprop和fit()作为同一模型的优化器。结果模型的混淆矩阵如下；

RMSProp

array([[1327, 1139],
       [ 514, 2121]])

亚当

array([[1558,  908],
       [ 751, 1884]])

当然，我希望使用不同的优化器时会有区别。但是仔细观察结果表明，rmsprop善于识别true negatives，而adam更平衡。所以我的问题是，

1. 是否可以通过某种方式将两者结合起来以达到两全其美的目的？
2. 是否有任何标准的方法来进行错误分析，以便更深入地了解两个模型的行为。我认为，最明显的方法是对预测与数据集进行比较，并确定它们是如何澄清的，但是测试集大约是5K记录，所以想知道是否存在进行此类错误分析的标准方法吗？