`(model.predict(img) > 0.5).astype(np.int32)` (即0.5 )中的阈值是否固定？
`(model.predict(img) > 0.5).astype(np.int32)` (即0.5 )中的阈值是否固定？
提问于 2021-11-15 20:16:25
阈值应该始终是0.5，还是可以根据需要进行调整？我试图通过分析每一帧来检测视频中的火灾。当我这样做时，当我的置信度阈值(confidence = model.predict(img))为0.5时，我会得到很多假阴性。那么，我是否真的可以调整该值以获得更好的结果，或者这就像是欺骗了模型的预测？
这是我的代码：
from keras.preprocessing import image
import numpy as np
i = cv2.imread(img)
img = image.load_img(img,target_size=(250,250))
img = image.img_to_array(img)
img = np.expand_dims(img,axis=0)
img = img / 255
res = (model.predict(img) > 0.5).astype(np.int32)
if res == 0:
print('Fire Detected')
else:
print('No Fire Detected.')回答 1
Stack Overflow用户
发布于 2021-11-16 00:37:26
您不必使用0.5的阈值。它是这样的，因为典型的分类模型最大限度地提高了准确性，对于这个度量，0.5是最有意义的。然而你的问题可能是不同的，也许你更关心精确度而不是召回率？然后，调整阈值是调整模型的方法之一(例如，通过绘制ROC曲线来查看可能的权衡)。然而，这是一种有点天真的方式，人们也可以事先问自己“我的实际目标是什么”，并从一开始就最大化这个指标，而不是最大化准确性，然后通过posthoc调整阈值来调整不同的阈值。例如，为了解决正/负类别之间的不平衡，你可以考虑类别权重等(这将有效地最大化加权精度)。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/69980343
复制相关文章
相似问题
腾讯云开发者
