如何实现与神经网络中的假阳性和假阴性平衡相关的事实？

Question

我有一个是/否分类问题，其中误报比误报。

有没有办法将这个事实应用到神经网络中，特别是在MATLAB的神经网络工具箱中？

Answer 1

你需要的是一个成本敏感的元分类器（元分类器可以与任何分类器一起工作，无论是ANN，SVM还是任何其他分类器）。根据成本矩阵

• 重新加权训练实例：

  这可以通过两种方式来完成。这是通过对数据进行重新采样来完成的，以便特定的类被过度表示，因此，与其他类相比，构建的模型对该特定类更敏感。

• 用预测最低预期错误分类成本（而不是最可能的分类）。这里的想法是通过更频繁地制造廉价错误和减少昂贵的错误来最小化总预期成本。

实施第一种学习方法的一种算法是SECOC，它使用纠错码;而第二种方法的例子是MetaCost，其使用装袋来改进分类器的概率估计。

Answer 2

您可以使用自定义成本函数。这是我最近做的：

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

这可以通过例如通过这个公式：

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

这意味着一些推导和实现，当然并不是出于Matlab工具箱。