keras 为损失函数应用阈值答案

【问题标题】：keras apply threshold for loss functionkeras 为损失函数应用阈值
【发布时间】：2019-12-28 20:12:24
【问题描述】：

我正在开发一个 Keras 模型。我的数据集严重不平衡，所以我想为训练和测试设置一个阈值。如果我没记错的话，在进行反向传播时，神经网络会检查预测值与原始值并计算误差，并根据误差为神经元设置新的权重。

据我所知，Keras 使用 0.5 作为阈值。我知道有一些方法可以将自定义指标（如召回率和精度）与自定义阈值一起应用，但该阈值仅用于计算召回率，而不应用于损失函数。更清楚一点，如果我想设置 0.85 作为我的阈值，神经网络将使用 0.5 作为阈值来计算损失，使用 0.85 作为召回。

还有什么方法可以设置这个训练阈值吗？

【问题讨论】：

【解决方案1】：

没有所谓的损失阈值。

损失函数必须是“可微的”，因此它必须是“连续的”函数。
您可以做的最好的事情是设置“类权重”，例如这些示例：Higher loss penalty for true non-zero predictions

【讨论】：

【解决方案2】：

除了类权重...

您可以使用带阈值参数的度量函数：
model.compile(..., metrics=[tf.keras.metrics.BinaryAccuracy(threshold=0.5)])
您可以在最后一层使用 sigmoid 激活并在该阈值之后手动选择：

pred_labels = np.where(y_pred>0.5, 1, 0)
score = sklearn.metrics.accuracy_score(pred_labels, labels)

【讨论】：