标签： tensorflow image-classification
我需要用不平衡数据训练一个二元分类器（'ok' 集中大约 3000 个图像，'ko' 集中大约 160 个图像）。此外，我想尽量减少假阴性而不是假阳性。
出于这个原因，我对 'ko' 图像进行了 20 倍的加权，并且训练（数据集的 80%）进行得很顺利（3 个假阴性和 15 个假阳性：准确度 > 99%）。然而，在验证数据集上，我有 19 个假阴性和 7 个假阳性，准确率接近 96%。
96% 的准确率对我来说是可以的，但我希望获得更少的假阴性。
我可以尝试做什么？