Neural network 高AUC、中等精度和召回率约为1:1：平衡精度和召回率的最佳模型？
我已经训练了一个前馈神经网络来对不平衡数据集（pos:neg=67:1）进行分类，其性能如下： 高AUC:0.964 中等精度：0.592 中等召回率：0.569 精确性和召回率大致相似，约为1:1 通过阅读本文，我了解到，如果模型具有较高的AUC但较低的指标（例如精度和召回率），我们可以改进模型 然而，我这里的精度几乎是~1:1，如果我想要一个精度和召回率平衡的模型，尽管我这里的AUC很高，Q1）即使我使用分类阈值，我也不会有更好的模型，这是正确的吗？（这是通过考虑典型精度召回曲线的形状得出的，因此精度和召回率不能一起提高，始终是一种折衷。） Q2）如果这几乎是我得到的具有高AUC的最佳平衡模型，那么使用AUC来评估模型分类不平衡数据集的性能（与建议的类似）是否毫无用处？Neural network 高AUC、中等精度和召回率约为1:1：平衡精度和召回率的最佳模型？,neural-network,roc,auc,precision-recall,Neural Network,Roc,Auc,Precision Recall,我已经训练了一个前馈神经网络来对不平衡数据集（pos:neg=67:1）进行分类，其性能如下： 高AUC:0.964 中等精度：0.592 中等召回率：0.569 精确性和召回率大致相似，约为1:1 通过阅读本文，我了解到，如果模型具有较高的AUC但较低的指标（例如精度和召回率），我们可以改进模型 然而，我这里的精度几乎是~1:1，如果我想要一个精度和召回率平衡的模型，尽管我这里的AUC很高，Q1）即使我使用分类阈值，我也不会有更好的模型，这是正确的吗？（这是通过考虑典型精度召回曲线的形状得