首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >Keras:如何解决Null假设?

问Keras:如何解决Null假设?
EN

Stack Overflow用户
提问于 2017-02-05 01:04:09
回答 1查看 178关注 0票数 2

我正在使用keras训练一个深度神经网络。其中一个分数被称为val_acc。我得到了70%的val_acc。我如何知道这是好是坏?神经网络是一个二进制分类器,所以我试图预测一个1或0。数据本身大约是65%0和35%1。我的70% val_acc好吗?

EN

回答 1

Stack Overflow用户

发布于 2017-02-05 01:29:56

准确性并不总是评估分类器的正确指标。例如,对您来说,更重要的是对1进行比0更正确的分类(例如,欺诈检测)或其他方式。因此,您可能对具有更高精度(特异性)或召回率(敏感度)的分类器感兴趣。换句话说,对你来说,假阳性可能比假阴性更昂贵。如果您对错误分类的成本有所了解(例如,对于FP和FN),那么您可以精确地计算出0-1分类的最佳(而不是默认的0.5)特定阈值。你可以使用ROC曲线和AUC来找出分类器的性能( AUC越高越好)。最后,您可能想要考虑kappa统计信息,以了解您的分类器有多有用/有效。

票数 1
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/42043079

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档