在Keras分类神经网络中提高查全率

Question

在精确性和回忆性之间总是有一种权衡。我正在处理一个多类的问题，对于某些类，我有很好的精确度，但回忆率却很低。

因为对于我的问题，假阳性不是一个问题，而不是一个真正的阳性，我想降低精度，以利于提高一些特定类的召回，同时保持其他事情尽可能稳定。，为了更好的召回，有什么方法可以利用精确性呢？

Answer 1

您可以在分类器输出层的置信度分数上使用阈值，并在阈值的不同值上绘制精确性和召回率。您可以对不同的类使用不同的阈值。

您还可以查看作为损失函数的Tensorflow的加权交叉熵。如前所述，它使用权重来权衡召回和精度，方法是对正错误的成本进行向上或向下加权，而不是负错误。