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@）