如何在机器学习模型中使用 test_proportion 数据？答案

【问题标题】：How can I use the test_proportion data in a machine learning model?如何在机器学习模型中使用 test_proportion 数据？
【发布时间】：2020-08-16 21:16:35
【问题描述】：

我有一个包含 4000 个 CNN 特征的数据，这是一个二元分类问题。我所知道的测试数据是 1 和 0 的比例。如何告诉我的模型使用比例数据来预测测试标签？（就像有没有办法说为了达到这个比例我会给这个实例0。）

如何使用它来提高准确性？就我而言，训练数据主要由 1 (85%) 和 0(15%) 组成但是在我的测试数据中，l 的比例为 (%38)，因此它与训练数据有很大不同。

我在平衡数据方面做了一些工作，这很有帮助。然而，我的模型仍然为几乎所有数据预测 1。也可能是因为适配问题。

正如@birdwatch 建议的那样，我降低 0 值的阈值并尝试增加预测中的 0 标签计数。

# Predicting the Test set results 
y_pred = classifier.predict_proba(X_test) 
threshold=0.3 
y_pred [:,0] = (y_pred [:,0] < threshold).astype('int')

之前的班级数如下：

 1 :   8906
 0 :   2968

现在更改阈值后

1 :  3221
0 :  8653

但是，我还有其他方法可以使用 test_proportions 来确保结果吗？

【问题讨论】：

标签： python machine-learning classification random-forest train-test-split

【解决方案1】：

没有任何明智的方法。这样做会在模型中产生奇怪的偏差。你可以做的一件事是接受不太可能的结果，只有它有足够高的分数。通常你会使用 0.5 阈值，但在这里你可能会采用例如0.7.

【讨论】：

@Ege 请注意，更新问题之后提供了一个有用的答案，使得这个答案无关紧要，这不是 SO 的工作方式。我建议您接受答案并使用新的详细信息打开一个新问题（如有必要，您可以随时在此处包含一个链接）。更重要的是，很明显，您现在获得的具体结果取决于特定的阈值选择，因此您可能需要做一些进一步的实验，并将结果包含在您的 new 问题中。包括术语“类不平衡”或“不平衡数据”，以及标签imbalanced-data。