У меня проблема с бинарной классификацией, и мой набор данных состоит из 5% положительных меток. Я тренирую свою модель, используя tensorflow. Вот мои результаты во время тренировок:
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
Каковы основные стратегии улучшения памяти? Изменение набора данных и добавление большего количества положительных меток может решить проблему, но кажется странным изменить реальность проблемы...
С моей точки зрения, должен быть способ отдать предпочтение «истинным положительным результатам» вместо «ложных отрицательных результатов», но я не могу его найти.