我有一个二进制分类的问题,我的数据集是由5%的积极标签。我在用张量流训练我的模型。以下是我在培训期间的结果:
Step 3819999: loss = 0.22 (0.004 sec)
Accuracy = 0.955; Recall = 0.011; Precision = 0.496
Step 3820999: loss = 0.21 (0.003 sec)
Accuracy = 0.955; Recall = 0.011; Precision = 0.496
Step 3821999: loss = 0.15 (0.003 sec)
Accuracy = 0.955; Recall = 0.011; Precision = 0.496
Step 3822999: loss = 0.15 (0.003 sec)
Accuracy = 0.955; Recall = 0.011; Precision = 0.496
提高回忆的主要策略是什么? 改变数据集和增加更多的正面标签可以解决问题,但改变问题的现实似乎很奇怪。。。你知道吗
在我看来,应该有一个方法来支持“真阳性”而不是“假阴性”,但我似乎找不到一个。你知道吗
您应该使用“weighted cross entropy”而不是传统的CE。来自Tensorflow文档:
相关问题 更多 >
编程相关推荐