问题描述
我训练了前馈神经网络,对具有以下性能的不平衡数据集(pos:neg = 67:1)进行分类:
最高AUC:0.964
中等精度:0.592
适度召回率:0.569
精确度和召回率大致相似,约为1:1:
通过阅读此thread,我了解到,如果模型具有较高的AUC但具有较低的点指标(例如精度和召回率),则可以改进该模型。
但是,我的精度几乎是1:1比率,如果我想要一个具有平衡精度和召回率的模型,尽管我这里的AUC很高, Q1)即使我使用分类也正确吗?阈值,我不会有更好的模型吗?(它是通过考虑典型的精确召回曲线的形状得出的,因此精度和召回率无法同时提高,总是需要权衡取舍。)
问题2)如果这几乎是我获得的具有最佳AUC的最佳平衡模型,那么使用AUC来评估对不平衡数据集进行模型分类的性能是否毫无用处,类似于建议{{3 }}?
解决方法
暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!
如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@)