tensorflow - 处理不平衡的训练数据:验证结果与训练不同
问题描述
我需要用不平衡的数据训练一个二元分类器(“ok”集中大约 3000 个图像,“ko”集中大约 160 个图像)。此外,我希望尽量减少假阴性而不是假阳性。
出于这个原因,我对“ko”图像加权 20 倍,训练(80% 的数据集)进行得非常好(3 个假阴性和 15 个假阳性:准确度 > 99%)。然而,在验证数据集上,我有 19 个假阴性和 7 个假阳性,准确率接近 96%。
96% 的准确率对我来说是可以的,但我希望获得更少的假阴性。
我可以尝试做什么?
解决方案
推荐阅读
- sql - MGV Dataminer for IBM/Toshiba 4690 ODBC Driver
- reactjs - Why is my NextJS performace score so inconsistent in web.dev?
- sql - 给定另一个字段的值,SQL 创建一个新字段会话
- java - How to determine spinner string array list item when a radio button is selected in android?
- git - Create a new branch with committed, but unpushed changes
- vue.js - 在 Nuxt 中使用 @error 时在资产中找不到图像
- weblogic - Weblogic domain creating using wlst scripts
- javascript - How to write a SignalR javascript code on asp.net mvc, when we instantiate the hub on Application_Start
- logback - is there a way to use fixed-length index in logback's rolling filename pattern?
- html - Why is CSS grid showing two rows instead of one while trying to create a topnav menu? Is using grid for topnav a bad idea?