Как я могу использовать данные test_proportion в модели машинного обучения?

Question

У меня есть данные с 4000 признаков CNN, и это проблема двоичной классификации. Все, что я знаю о данных испытаний, это пропорции 1 и 0. Как я могу сказать своей модели прогнозировать метки испытаний, используя данные о пропорциях? (Например, есть ли способ сказать, чтобы достичь этих пропорций, я приведу этот экземпляр 0.)

Как я могу использовать его для повышения точности? В моем случае данные обучения в основном состоят из 1 (85%) и 0 (15%). Однако в моих тестовых данных пропорция l дается как (% 38), поэтому она сильно отличается от данных обучения.

Я немного поработал с балансировкой данных, и это помогло. Однако моя модель все еще предсказывает 1 для почти всех данных. Это может произойти и из-за проблемы с адаптацией.

Как @birdwatch предложил уменьшить порог для значения 0 и попытаться увеличить количество меток 0 в прогнозе.

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

До количество классов было следующим:

 1 :   8906
 0 :   2968

После изменения порога теперь оно составляет

1 :  3221
0 :  8653

Однако есть ли другой способ, которым я могу использовать test_proportions, который обеспечивает результат?

Answer 1

Нет разумного пути к этому. Это создаст странный уклон в модели. Единственное, что вы можете сделать, это принять менее вероятный результат, только если он имеет достаточно высокий балл Обычно вы использовали бы порог 0,5, но здесь вы можете взять, например, 0,7.