如何优化（真阳性）/（假阳性）的比率而不是准确性？

Question

经典指标是“准确率”，与：（真阳性+真阴性）/（假阳性+假阴性）有关

在分类问题中，假阴性比假阳性更容易容忍。 也就是说，我想分配更多的权重来改善（真阳性）/（假阳性）。 如何做到这一点？

model.compile(optimizer='adam',
          loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
          metrics=['accuracy'])

Answer 1

Tensorflow allows sensitivities to be shifted for these metrics https://www.tensorflow.org/api_docs/python/tf/keras/metrics/SensitivityAtSpecificity , or if you want the false positives directly (which I think only gives you access to the number误报（如果有帮助）： https://www.tensorflow.org/api_docs/python/tf/keras/metrics/FalsePositives 。 我对 tensorflow 不太了解，但我希望这会有所帮助