Python 确定深度学习模型的最佳分类阈值

如何确定深度学习模型的最佳阈值。我正在利用CNN预测癫痫发作。我想为我的深度学习模型确定最佳阈值，以获得最佳结果

我花了两个多星期的时间试图找到我能做到这一点的方法

任何帮助都将不胜感激

代码

history=model.fit_generator(generate_arrays_for_training(indexPat, filesPath, end=75), #end=75),
                                validation_data=generate_arrays_for_training(indexPat, filesPath, start=75),#start=75),
                                steps_per_epoch=int((len(filesPath)-int(len(filesPath)/100*25))),#*25), 
                                validation_steps=int((len(filesPath)-int(len(filesPath)/100*75))),#*75),
                                verbose=2,
                                epochs=50, max_queue_size=2, shuffle=True, callbacks=[callback,call])

---

通常，选择正确的分类阈值取决于用例。您应该记住，选择阈值不是超参数优化的一部分。分类阈值的值极大地影响了训练后模型的行为

如果你增加它，你希望你的模型对预测非常确定，这意味着你将过滤掉误报-你将瞄准精度。当您的模型是任务关键型管道的一部分时，可能会出现这种情况，在这种情况下，基于模型的正输出做出的决策成本很高（在资金、时间、人力资源、计算资源等方面）

如果你减少它，你的模型会说更多的例子是阳性的，这将允许你探索更多可能是阳性的例子（你的目标是回忆。当假阴性是灾难性的，例如在医疗案例中，这一点很重要（您宁愿检查低概率患者是否患有癌症，也不愿忽视他，然后发现他确实生病了）

有关更多示例，请参见

---

现在，在查全率和查准率之间进行选择是一种权衡，你必须根据自己的情况进行选择。有两种工具可以帮助你实现这一点：ROC和查全率曲线，它指示模型如何根据分类阈值处理误报和漏报

什么阈值？@Proko分类阈值或decision threshold例如，高于该阈值的值表示“垃圾邮件”；低于该阈值的值表示“非垃圾邮件”