如何優化（真陽性）/（假陽性）的比率而不是准確性？

Question

經典指標是“准確率”，與：（真陽性+真陰性）/（假陽性+假陰性）有關

在分類問題中，假陰性比假陽性更容易容忍。 也就是說，我想分配更多的權重來改善（真陽性）/（假陽性）。 如何做到這一點？

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誤報（如果有幫助）： https://www.tensorflow.org/api_docs/python/tf/keras/metrics/FalsePositives 。 我對 tensorflow 不太了解，但我希望這會有所幫助