¿Cómo implementar hechos relacionados con el falso positivo frente al falso negativo en la red neuronal?

Question

Tengo un problema de clasificación sí/no, donde falsos positivos son peores que falsos negativos.

¿Hay alguna manera de implementar este hecho en la red neuronal, especialmente en la Caja de herramientas de redes neuronales de MATLAB?

Answer 1

Lo que necesita es un metaclasificador sensible a los costos (un metaclasificador funciona con cualquier clasificador arbitrario, ya sea ANN, SVM o cualquier otro).

Esto se puede hacer de dos maneras:

• instancias de capacitación reponderaciones de acuerdo a una matriz de costo. Esto se hace remuestreando los datos para que una clase en particular esté sobre representada, por lo que el modelo creado es más sensible a esa clase en particular que a las otras clases.
• prediciendo la clase con costo de clasificación mínimo esperado (en lugar de la clase más probable). La idea aquí es minimizar los costos totales esperados al cometer errores más a menudo y los costosos errores con menos frecuencia.

Un algoritmo que implementa el primer enfoque de aprendizaje es SECOC, que utiliza códigos de corrección de errores; mientras que un ejemplo de la segunda aproximación es MetaCost que usa embolsado para mejorar las estimaciones de probabilidad del clasificador.

Answer 2

Puede usar una función de costo personalizado. Esto es lo que hice recientemente:

cost(true negative) = 0 
cost(true positive) = 0 
cost(false positive) = infinity 
cost(true negative) = L 

Esto se puede lograr, p. por esta fórmula:

cost(y, t) = (1 - t) log (1 - y) - L * t * (1 - y) 

Esto implica cierta derivación e implementación, por supuesto, y no está fuera de la caja de herramientas de Matlab.