我正在寻找有关在SpaCy的自定义NER培训中改善召回（可能通过超参数或其他优化器）的建议。
我目前正在培训SpaCy 2.2.3，以提取美国股票行情记录作为自定义实体类型。我已经培训了大约40K条带有新闻标记的新闻故事，并尝试了使用默认超参数的默认Adam优化器。
训练30个纪元后的统计数据（尽管我发现它们也与20个纪元相似）在测试集上如下： f1：0.8024804229439122 精度：0.9800634345265066 召回：0.6793798936575954
我对精度非常满意，但是正在寻找有关提高召回率的建议。
是否有关于调整默认超参数，优化程序或训练方法的建议？
谢谢！
答案 0 :(得分：2)
您不能专门通过spacy来提高召回率，但是可以通过监视F1分数来解决。将F1得分高的模型保存在验证数据集上。回想一下，这样您将具有良好的精度。
由于精度和召回率是互斥的，因此您的精度可能会受到影响，但您将拥有比当前更好的精度。
有关更多参考：https://github.com/explosion/spaCy/issues/3965， https://github.com/explosion/spaCy/issues/3706