我有一个是/否分类问题,其中误报比漏报更糟糕。
有没有办法将这个事实实现到神经网络中,尤其是在 MATLAB 的神经网络工具箱中?
最佳答案
您需要的是对成本敏感的元分类器(元分类器适用于任意分类器,无论是 ANN、SVM 还是任何其他分类器)。
这可以通过两种方式完成:
- 根据成本矩阵重新加权训练实例。这是通过对数据重新采样来完成的,这样特定的类就会被过度表示,因此所构建的模型对该特定类比其他类更敏感。
- 以最小预期错误分类成本 预测类别(而不是最有可能的类别)。这里的想法是通过更频繁地犯低级错误和更少地犯代价高昂的错误来最小化总预期成本。
实现第一种学习方法的算法是 SECOC ,它使用纠错码;而第二种方法的一个例子是 MetaCost它使用 bagging 来改进分类器的概率估计。
关于matlab - 如何在神经网络中实现与假阳性与假阴性平衡相关的事实?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/2519997/