Tensorflow CNN（Conv1D）文本分类模型中减少误报的方法

我在

keras

+

tensorflow

-主要使用Conv1D创建了一个基于字符的CNN文本分类模型，主要基于：

该模型在测试数据集上的精度达到80%以上，表现非常好。但是我有假阳性的问题。其中一个原因可能是最后一层是具有

softmax

激活功能的

density

层

为了了解模型的性能，我使用31个类1021个样本的数据集对模型进行训练，在25%的测试数据集上，性能约为85%

但是，如果包含假阴性，则性能相当差（我没有运行另一个带有假阴性的测试数据，因为很明显，仅通过手工测试即可）-每个输入都有相应的预测。例如，一个句子

acasklncasdjsandjas

可能导致班级

ask\u提升

在这种情况下，有没有处理假阳性的最佳实践？ 我的想法是：

实现一个

noise

类，其中示例只是一组完全随机的文本。但是，这似乎没有帮助，因为噪声不包含任何模式，因此很难训练模型

将softmax替换为不要求所有输出概率都为1的对象，这样，无论其他值如何，较小的值都可以保持较小。我对此做了一些研究，但是没有太多关于改变这个特定案例的激活函数的信息

---

这听起来像是数据不平衡的问题，两个类具有完全不同的支持（每个类中的实例数量）。在层次分类任务中，这个问题尤其重要，在这个任务中，一些层次较深的类往往比其他类拥有更多的实例

无论如何，让我们把这个问题简单地说成是二进制分类，将支持度更高的类命名为class-A，将支持度更低的类命名为class-B。一般来说，有两种流行的方法可以避免这个问题

在采样下：按原样修复B类。然后，从类A中抽取与类B相同数量的实例。组合这些实例并用它们训练分类器

过采样：您可以按原样修复A类。然后，从B类中抽取与A类相同数量的实例。选项1也是如此

有关更多信息，请参阅此KDNuggets页面

---

希望这有帮助P

你能发布混淆矩阵或提供更多关于类别数量、类别平衡以及哪些类别存在误报（如果不是全部）的详细信息吗？@Ahmed我根据要求在问题中添加了更多细节。在进行分层数据拆分之前，我已经进行了过度抽样，因此数据已经很好地平衡了。