零目标的神经网络

Question

我对神经网络非常陌生。我有一个数据集，其中包含1600万条记录，其中只有70K标记为1，其余为0（即使通过设置一些特殊限制，总数也不会少于2.5M条记录，其中58K标记为1，并且限制不是完全合乎逻辑）。是否有特殊做法来处理此类数据？

现在，如果我只编写一个始终返回0的函数，则精度为99.56％！神经网络是一个合适的选择吗？如果不是，我该怎么办？如果是，该如何处理？

tnx

Answer 1

您可以尝试分别给两个类别的标记为1的样本或小型批次样本赋予较高的权重，以使网络显示的两个类别的样本数量相同。

对于第一种方法，诸如Keras之类的框架提供了为每个类包括权重因子的选项：

class_weights = {
    0: 1.0,
    1: 43.0,
}

model.fit(X, y, ..., class_weight=class_weights)

scikit-learn有一种自动计算类权重的方法，如this comment on Kaggle

在这种情况下，精度不是衡量网络性能的好方法。精度，第1类的召回率或类似的度量标准可能会更好地理解模型的性能。