在机器学习分类中寻找降低误报率的方法

在机器学习分类中，降低误报率的方法有以下几种：

调整分类阈值：机器学习模型在进行分类时，会根据一个阈值来判断样本属于哪个类别。通过调整分类阈值，可以控制误报率。降低阈值可以减少误报率，但可能会增加漏报率。相反，提高阈值可以减少漏报率，但可能会增加误报率。根据具体需求和应用场景，可以根据误报率的重要性来选择合适的分类阈值。
使用不平衡数据处理方法：在实际应用中，往往存在类别不平衡的情况，即某个类别的样本数量远远大于其他类别。这种情况下，模型容易倾向于将样本分类为数量较多的类别，从而导致误报率较高。可以采用一些不平衡数据处理方法，如欠采样、过采样、SMOTE等，来平衡各个类别的样本数量，从而降低误报率。
特征选择和特征工程：通过选择合适的特征和进行特征工程，可以提高模型的分类性能，从而降低误报率。特征选择可以去除冗余和无关的特征，提取对分类任务有用的特征。特征工程可以通过组合、变换、归一化等方式，使得特征更具有区分度和表达能力。
使用集成学习方法：集成学习通过将多个基分类器的预测结果进行组合，可以提高分类性能。对于降低误报率，可以采用一些集成学习方法，如Bagging、Boosting、随机森林等。这些方法可以减少个别分类器的误报，从而降低整体的误报率。
调整模型参数和算法选择：不同的机器学习算法和模型参数对于误报率的影响是不同的。可以通过调整模型参数和选择合适的算法，来降低误报率。例如，对于支持向量机（SVM）算法，可以通过调整惩罚参数C来控制误报率和漏报率的权衡。

总结起来，降低误报率的方法包括调整分类阈值、使用不平衡数据处理方法、特征选择和特征工程、使用集成学习方法以及调整模型参数和算法选择等。根据具体情况选择合适的方法，可以提高机器学习分类的准确性和可靠性。对于降低误报率的方法，腾讯云提供了丰富的云计算产品和解决方案，如腾讯云机器学习平台（https://cloud.tencent.com/product/tcml）、腾讯云数据处理平台（https://cloud.tencent.com/product/dp）、腾讯云人工智能开放平台（https://cloud.tencent.com/product/ai）等，可以帮助用户实现高效的机器学习分类和降低误报率的目标。

在机器学习分类中寻找降低误报率的方法

python、statistics、svm、logistic-regression、fraud-prevention

在经典的欺诈预测问题中，有没有办法降低误报率？目前，我正在研究经典的欺诈检测。有50000个样本有真实的标签(结果是由于调查)。这些训练标签是相当平衡的。我选择的Logisitic回归模型表现良好，f1得分超过90 %。现在，当使用该模型预测新病例时，结果是50/50(欺诈和非欺诈)。有没有办法调整模型，让我们通过非欺诈案件并惩罚假阳性率，以便我们检测到较少的欺诈案件(可能少于一百万起中的

浏览 82提问于2020-12-20得票数 1

1回答

在支持向量机训练中惩罚误报

libsvm、encog

我正在尝试在Encog内部使用SVM训练一个二进制正/负分类器。在这个特定的例子中，数据集是高度不平衡的，负面例子超过正面例子的数量大约是30:1。在模型的训练中，我故意对负面案例进行欠采样，以大致平衡给予模型的正面/负面案例，这种方法在我处理其他问题时效果很好。然而，在这种情况下，最终模型最终具有不可接受的高误报率，当在不平

浏览 4提问于2015-01-14得票数 1

2回答

使用Pybrain检测恶意PDF文件

python、neural-network、pybrain

我正在尝试制作一个人工神经网络来分类一个PDF文件，通过利用在contagiodump上发现的26,000个PDF样本(包括干净的和恶意的)来将PDF文件分类为恶意或干净的。对于每个PDF文件，我使用PDFid.py解析该文件并返回42个数字的向量。然后，这26000个向量被传递到pybrain中；50%用于训练，50%用于测试。这是我的源代码：在对尺寸和其他参数进行了大量调整后，我设法获得了大约0.90%的假阳

浏览 0提问于2013-10-03得票数 1

1回答

更新值的机器学习算法

algorithm、machine-learning

我有一个描述列表，我必须理解其中的类别，并在单独的列中给出输入。在一段时间内，我创建了一个关键字列表，如果这些关键字出现在描述中，就会指向某个类别。我应该使用哪种机器学习算法来读取关键字并自动更新类别？此外，它还会随着时间的推移而学习。

浏览 0提问于2018-05-17得票数 0

1回答

如何在云中部署深度学习模型？

python、azure、keras

我用keras (用于情感语音识别的LSTM分类器)与python一起构建了一个深度学习模型，它在本地工作得很好，但是当我加载模型或传递音频分类时，我得到了很高的内存使用量(到目前为止没有问题，因为我的机器中有我试图在一个烧瓶web应用程序中将我的模型部署到Azure中，我的问题是:我需要一个云中的“超级机器”来运行我的模型，或者还有其他方法来部

浏览 1提问于2020-12-26得票数 1

回答已采纳

2回答

什么时候应该使用主成分分析？

machine-learning、dimensionality-reduction

在机器学习中，更多的特征或维度会降低模型的精度，因为有更多的数据需要泛化和，这就是所谓的维数灾难。我应该在什么时候/如何考虑我的数据集具有许多特征，并且我应该寻找PCA来进行降维

浏览 2提问于2019-06-09得票数 2

4回答

数据分类

python、mysql、classification

我们有一个包含10000条未分类数据的表，我想根据某些属性对它们进行分类，比如文本相似度或某些特征。例如，假设单个列包含姓名、电话号码和性别表A(列表)1 abc 表B(索引表)1 name 2

浏览 0提问于2017-07-12得票数 2

3回答

机器学习组合中的个别模型是什么？

machine-learning、ensemble-modeling、machine-learning-model

我知道集成机器学习模型是一个由两个或多个机器学习模型组成的堆栈。是否有一个词是指那些进入集合模型的单个模型？(即特定术语/行话？)“子模型”甚至“煎饼模特”(因为当人们听到‘模型中的一个煎饼’时，一般都明白这是指什么)

浏览 0提问于2018-04-18得票数 6

2回答

FLANN的使用可以归入机器学习吗？

algorithm、opencv、machine-learning

我已经写了一个程序来计算冲浪特征，然后使用FLANN(最近邻居的快速库)来匹配和显示最近的邻居。现在，FLANN的使用可以被认为是使用机器学习，因为据我所知，它是k最近邻搜索的近似版本，被认为是机器学习算法(监督学习)。

浏览 1提问于2011-04-29得票数 1

2回答

N-Gram分析在情感分析中的应用

text、analytics、sentiment-analysis、n-gram

如何使用N-Gram Analysis进行情感分析？一旦我把一个句子分成一元，二元，三元，e.t，c，我该如何继续下去呢？

浏览 0提问于2016-03-03得票数 1

1回答

支持向量机相对于决策树和AdaBoost算法的优势

machine-learning、classification、svm、decision-tree、adaboost

我正在研究数据的二进制分类，我想知道使用支持向量机比使用决策树和自适应Boosting算法的优缺点。

浏览 2提问于2012-05-16得票数 9

3回答

选择机器学习算法和工具

machine-learning、computer-vision

我正在处理一个二进制分类问题，即需要将我的数据分为两类。对于每个实体都提取了5个特征。谢谢和问候，罗希特

浏览 8提问于2011-12-28得票数 2

4回答

对于无监督的机器学习问题，可以进行特征选择吗？

feature-selection、unsupervised-learning

我开始寻找在机器学习中进行特征选择的方法。通过快速查看这个帖子，我假设只有在有监督的学习问题上才能进行特性选择：尽管如此，我还是要问:是否有方法可以在没有已知变量的情况下进行特征选择，从而解决分类/回归问题？

浏览 0提问于2018-03-27得票数 7

回答已采纳

1回答

在非正式数据集中查找用户相似之处

machine-learning、classification、clustering

我对这一切都很陌生，我正在组织一个学习项目。我决定在像http://en.wikipedia.org/wiki/Enron_语料库这样的数据集中找到用户之间的相似之处。在做了一些研究之后，我也遇到了基于非正式文本的命名实体识别数据集。所以我不缺数据，也不缺目标，我需要了解高水平的技术才能达到目的。一位有价值的评论指出，这一问题似乎过于宽泛。我希望在这个问题上发现的是我应该集中研究的技术的广度，

浏览 0提问于2015-05-09得票数 3

1回答

Networkx寻找有向图的社区

python、graph-theory、networkx

在一个名为Gephi ()的开源可视化工具中有一个统计数据(模块化)，它允许我通过将节点划分成社区来划分它们。我想用图形来完成这个任务(查找社区)，然后再将它可视化，这样我就可以对算法找到的每个社区运行各种统计数据。这是我想要使用<e

浏览 2提问于2015-06-02得票数 3

1回答

异构数据分类器

machine-learning、neural-network、artificial-intelligence、classification

我有一个由1000个样本组成的L2维数据集，包括5个温度值，5个价格值，一个整数值，代表一个人类专家(undecided=0，good=1，bad=2，danger=4)的判断和一个我想要学习预测的二元决策变量我如何找到一个分类器来处理这些异构的数据呢？我正在考虑为每个可能的人类判断(0,1,2,4)，so 4分类器构建一个分类器。因此，对于每个人的判断值，我会：-集中和降低温度和价格值--也许使用PCA来去除一些

浏览 1提问于2012-04-27得票数 1

1回答

我如何标记或给一个文本的文档一个主题？

python、nlp、stanford-nlp

我有这些文件的一套文件和相应的标签。标签--“补偿，基本权利” 现在，我有了多个文档及其相应的标记，而另一个没有任何标记的测试数据集，我使用什么NLP技术来给这些文档标签呢？我是否使用文本分类或主题建模，可以有人指导或建议一些想法。

浏览 0提问于2020-08-07得票数 0

回答已采纳

2回答

确定降维、分类和聚类？

machine-learning、classification、clustering、dimensionality-reduction

假设我有一个人的数据集，有100个特征，各种特征，如身高、体重、年龄等等。我想对正常或异常的人进行分类。所谓异常，我的意思是，如果一个20岁的男子是170厘米和150公斤，以确定它的异常。我是否应该使用自组织映射来减少维数(这100个特征)，然后用K-方法将它们分类为正常和异常？这是正确的做法吗？或者我可以用K把它们分类为正常异常，而不需要任何降维？如

浏览 0提问于2016-01-10得票数 2

2回答