用于二进制分类的不平衡训练样本（90％vs 10％）-Tensorflow

Question

我有100,000个训练样本（具有5个特征）（其中90,000个分类为“ 0”，其余分类为“ 1”）

我获得了98％的准确度，但准确率/召回率是55％

是否有任何提高精度/召回率的建议？使用张量流

#Loss function after sigmoid applied on yy_
loss = tf.losses.log_loss(yy_, scores, scope="loss")
optimizer = tf.train.GradientDescentOptimizer(learning_rate=.01)
train_op = optimizer.minimize(loss)
prediction = (scores > 0.5)

Answer 1

我没有使用过Tensorflow，但这是我的建议

1. 当数据不平衡时，请勿使用accuracy作为指标。而是使用confusion matrix
2. 在learning_rate上进行超参数调整
3. 如果您过于关注积极的课堂，请使用Precision, Recall, F1 score之类的指标。您也可以尝试ROC＆，但是即使您不太在乎正值，也可以使用这些参数，因为这些值可以使您对模型的行为有所了解。
4. 对missing values进行适当处理，并根据需要标准化数据。
5. 从数据中删除重复项
6. No Free Lunch，即没有固定的算法可以解决所有问题。您必须尝试不同的模型。尝试各种功能等。另外，请确保您泄漏了数据
7. 尽一切可能Feature Engineering。这是最重要的部分