matlab - 机器学习: How can I include sensitivity or specificity in error calculation?

Question

我有一个用于分类的神经网络工作模型。目前，我已经应用交叉熵来计算测试结果(模型输出)和条件结果(真实输出)之间的误差。该模型用于二元分类，但将扩展以处理多个类别。到目前为止，误差是在MATLAB中使用交叉熵计算的:

err = sum( y.*log(h(x)) + (1-y).*log(1-h(x)) )

我希望模型能够以这样的方式执行:它可以分类或检测更多的误报，然后是误报。我知道有所谓的混淆矩阵，我可以在其中指定所有内容，但我不知道这如何对应于错误计算。非常欢迎任何建议:)

干杯!

Answer 1

您可以通过引入标量类权重来衡量正类高于或低于负类的权重。自从

y .* log(h(x))

表示正训练样本上的损失，

(1 - y) .* log(1 - h(x))

是负训练样本的损失，

err = -sum(w .* y .* log(h(x)) + (1 - y) .* log(1 - h(x)))

当 w>1 时，正训练样本比负训练样本更重要，当 w<1 时不太重要。确保相应地修改导数。