Fatal编程技术网
  • tensorflow/
  • Tensorflow k-折叠交叉验证中的某些折叠包含0个真/假阳性

Tensorflow k-折叠交叉验证中的某些折叠包含0个真/假阳性

tensorflow keras

Tensorflow k-折叠交叉验证中的某些折叠包含0个真/假阳性,tensorflow,keras,time-series,conv-neural-network,cross-validation,Tensorflow,Keras,Time Series,Conv Neural Network,Cross Validation,我正在研究在tensorflow（keras）实现中使用U-Net（基于CNN）对睡眠传感器数据进行时间序列分割的问题，我得到了一些非常奇怪的行为。对于10倍交叉验证运行，通常9倍按预期工作，一到两倍包含0个积极预测。在这一点上，我完全不明白为什么有些褶皱拒绝学习任何东西，似乎在1个纪元后陷入局部极小值。。。我真的在寻找任何可以为我指明正确方向的信息，谢谢 例如，我收到： TP=87153 TN=1889185 FP=35217 FN=93021 对于典型的褶皱，但在有问题的褶皱中： TP=0

我正在研究在tensorflow（keras）实现中使用U-Net（基于CNN）对睡眠传感器数据进行时间序列分割的问题，我得到了一些非常奇怪的行为。对于10倍交叉验证运行，通常9倍按预期工作，一到两倍包含0个积极预测。在这一点上，我完全不明白为什么有些褶皱拒绝学习任何东西，似乎在1个纪元后陷入局部极小值。。。我真的在寻找任何可以为我指明正确方向的信息，谢谢

例如，我收到：

TP=87153
TN=1889185
FP=35217
FN=93021
对于典型的褶皱，但在有问题的褶皱中：

TP=0
TN=1912697
FP=0
FN=191879
如您所见，该模型预测这些运行没有积极意义

统计为10倍；问题折叠2的召回率/精度为0.000（技术上未定义）：

折叠 行政协调会 精确 回忆起 f1 特异性 1. 0.895 0.752 0.629 0.685 0.954 2. 0.862 0 0 0 1 3. 0.903 0.727 0.592 0.653 0.960 4. 0.894 0.760 0.531 0.625 0.966 5. 0.893 0.805 0.561 0.661 0.969 6. 0.901 0.755 0.583 0.658 0.963 7. 0.900 0.760 0.518 0.616 0.970 8. 0.865 0.857 0.522 0.649 0.973 9 0.891 0.779 0.572 0.659 0.963 10 0.895 0.806 0.592 0.683 0.967