tensorflow - 自编码器的混淆矩阵显示的故障发生次数(FN+TP)多于整个数据集中的实际故障发生次数
问题描述
我正在尝试借助此代码使用自动编码器来实现极端罕见的事件预测。我正在使用我自己的数据(严重不平衡的数据),其中只有 6 个故障事件。我得到的混淆矩阵如下:
它表明我的自动编码器模型能够预测15 个(FN+TP)真实故障事件中的三个。但是,整个数据集中只有六个失败事件。为什么混淆矩阵包含15 个真正的失败事件?
我在这里错过了什么吗?
解决方案
推荐阅读
- python - 从pdf中提取文本到文件
- java - 谁能解释在哪种情况下我们使用 PowerMockito.when() 和 PowerMockito.doReturn()
- selenium - python中的Selenium chromedriver - 不要要求允许多次下载
- react-native - 反应原生地图 onPress 标记掉落问题
- java - Spring 5 中的组件索引与类路径扫描
- node.js - 响应 Express 服务器的 Axios POST 请求返回 404
- c# - 为什么相机不能在 Xamarin WebView 上工作?
- python - 安全有效地替换文件的最佳方法?
- swift - 使用“clip_distance”的 SceneKit 金属着色器
- laravel - Laravel:构建控制器时合同文件不可实例化