Yaya tespiti olarak adlandırılan görevi çözmeye çalışıyorum ve iki kategori pozitif - insanlar, negatifler - arka plan üzerinde ikili clasifer eğitiyorum.
Veri setim var:
- pozitif sayısı = 3752
- negatif sayısı = 3800
Train \ test split 80 \ 20% ve RandomForestClassifier form scikit-learn parametrelerini kullanıyorum:
RandomForestClassifier(n_estimators=100, max_depth=50, n_jobs= -1)
Puanı alıyorum: 95.896757%
Egzersiz verileri testi (mükemmel çalışır):
true positive: 3005
false positive: 0
false negative: 0
true negative: 3036
test verileri testi:
true positive: 742
false positive: 57
false negative: 5
true negative: 707
Benim sorum yanlış pozitiflerin sayısını azaltmak (arka plan insanlar olarak sınıflandırılır)? Ayrıca neden yanlış negatif daha yanlış pozitif hataları var?
class_weight
Parametre kullanmaya çalıştım , ancak bir noktada performans düşüyor (class_weight = {0: 1,1: 4} 'da görebileceğiniz gibi).
class_weight= {0:1,1:1}
true positive: 3005
false positive: 0
false negative: 0
true negative: 3036
true positive: 742
false positive: 55
false negative: 5
true negative: 709
score: 96.029120 %
class_weight= {0:1,1:2}
true positive: 3005
false positive: 0
false negative: 0
true negative: 3036
true positive: 741
false positive: 45
false negative: 6
true negative: 719
score: 96.624752 %
class_weight= {0:1,1:3}
true positive: 3005
false positive: 0
false negative: 0
true negative: 3036
true positive: 738
false positive: 44
false negative: 9
true negative: 720
score: 96.492389 %
class_weight= {0:1,1:4}
true positive: 3005
false positive: 13
false negative: 0
true negative: 3023
true positive: 735
false positive: 46
false negative: 12
true negative: 718
score: 96.161482 %
class_weight= {0:1,1:5}
true positive: 3005
false positive: 31
false negative: 0
true negative: 3005
true positive: 737
false positive: 48
false negative: 10
true negative: 716
score: 96.161482 %
class_weight= {0:1,1:6}
true positive: 3005
false positive: 56
false negative: 0
true negative: 2980
true positive: 736
false positive: 51
false negative: 11
true negative: 713
score: 95.896757 %
class_weight= {0:1,1:7}
true positive: 3005
false positive: 87
false negative: 0
true negative: 2949
true positive: 734
false positive: 59
false negative: 13
true negative: 705
score: 95.234944 %
Ayrıca RandomForest'in dengesiz veri kümesinden muzdarip görünmediğini belirtmek gerekir:
konum = 3752 neg = 10100
class_weight = {0: 1,1: 1} gerçek pozitif: 3007 yanlış pozitif: 0 yanlış negatif: 0 gerçek negatif: 8074
true positive: 729
false positive: 71
false negative: 16
true negative: 1955
score: 96.860339 %
class_weight= {0:1,1:2}
true positive: 3007
false positive: 0
false negative: 0
true negative: 8074
true positive: 728
false positive: 59
false negative: 17
true negative: 1967
score: 97.257308 %
class_weight= {0:1,1:3}
true positive: 3007
false positive: 0
false negative: 0
true negative: 8074
true positive: 727
false positive: 58
false negative: 18
true negative: 1968
score: 97.257308 %