我有一个数据不平衡（1:17比率）的二进制分类问题。我正在尝试使用CNN进行分类。我想使用贝叶斯优化来优化学习率和卷积核数（滤波器深度）。我的指标得分非常疯狂，我的意思是，高灵敏度通常具有较低的准确性和特异性，反之亦然。
我知道对于f_min函数的损失，我可能只是具有负精度，但就我而言，这最终将具有非常高的精度和特异性，但灵敏度却非常低。您能建议我如何同时兼顾特异性和敏感性的损失函数吗？
我尝试了加权函数，但是我感觉没有得到最好的结果。 这是我的典型成绩示例。
| ACC | SEN | SPE | MCC | AUC |
| 0.85 | 0.17 | 0.89 | 0.05 | 0.53 |
| 0.76 | 0.40 | 0.79 | 0.10 | 0.59 |
| 0.73 | 0.45 | 0.75 | 0.10 | 0.60 |
| 0.90 | 0.07 | 0.95 | 0.03 | 0.51 |
| 0.68 | 0.53 | 0.69 | 0.11 | 0.61 |
我也不想陷入损失函数，该函数旨在在60年代获得所有3分并认为是最好的。
非常感谢任何建议。谢谢。