如何重新训练逻辑回归模型的假阳性和假阴性标签？
我已经培训了具有极端不平衡类的逻辑回归模型。我使用了所有技术（SMOTE，班级体重调整，决策阈值）来提高性能指标（精度和召回），但结果不是很有希望 - 非常高的假阳性级别率:(
我听说重新训练假阳性/负面因素可以改善该级数结果，我不确定该过程是如何进行误报，将其重新标记为（1，0），并以相同的模型训练它吗？ ：
I have trained a logistic regression model with an extreme imbalanced classes. I used all techniques (SMOTE, class weight adjustment, decision threshold) to improve performance metrics (Precision and Recall) but results are not very promising - very high false positive class rate :(
I have heard that retraining false positive/negatives could improve the result but I am not sure how the process is. for example should I take false positives, relabel it 50/50 as (1, 0) and train it with the same model? I do highly appreciate if someone can elaborate on process with details:
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论