如何實現與神經網絡中的假陽性和假陰性平衡相關的事實？

Question

我有一個是/否分類問題，其中誤報比誤報。

有沒有辦法將這個事實應用到神經網絡中，特別是在MATLAB的神經網絡工具箱中？

Answer 1

你需要的是一個成本敏感的元分類器（元分類器可以與任何分類器一起工作，無論是ANN，SVM還是任何其他分類器）。根據成本矩陣

• 重新加權訓練實例：

  這可以通過兩種方式來完成。這是通過對數據進行重新採樣來完成的，以便特定的類被過度表示，因此，與其他類相比，構建的模型對該特定類更敏感。

• 用預測最低預期錯誤分類成本（而不是最可能的分類）。這裏的想法是通過更頻繁地製造廉價錯誤和減少昂貴的錯誤來最小化總預期成本。

實施第一種學習方法的一種算法是SECOC，它使用糾錯碼;而第二種方法的例子是MetaCost，其使用裝袋來改進分類器的概率估計。

Answer 2

您可以使用自定義成本函數。這是我最近做的：

cost(true negative) = 0 
cost(true positive) = 0 
cost(false positive) = infinity 
cost(true negative) = L 

這可以通過例如通過這個公式：

cost(y, t) = (1 - t) log (1 - y) - L * t * (1 - y) 

這意味着一些推導和實現，當然並不是出於Matlab工具箱。