用神經網絡找到1000個1寶石？別的東西？

Question

有些東西我不瞭解神經網絡。我試圖將它們用於財務數據分析和音頻音調分類。在這兩種情況下，我需要一個分類器，可以從多個分類器中檢測出重要的項目。我的音頻應用程序從字面上看，每一次消極點擊都會有一個正面命中。我運行網絡培訓師，並得知這是一個相當不錯的猜測，只是消極的一面。有沒有其他算法來檢測稀有寶石？是否有某種形式的神經網絡訓練特別適合這類問題？我可以將正數據的範圍更改爲等於負值的總和，但我不明白這是如何符合典型神經網絡上零首選範圍的。

Answer 1

這裏有兩種可能的建議：

1. 平衡你的訓練設置

   即使現實世界的數據包含了1000倍之多底片爲陽性，你的訓練數據不就得了。您可以修改您的訓練數據集以增加訓練集中積極的比例。這會提高召回率（更真實的積極因素），但也會加劇精確度（還有更多誤報）。所以，你必須在訓練集中試驗正面與負面的理想比例。

   本文詳細討論了這種方法：http://www.ncbi.nlm.nih.gov/pmc/articles/PMC2243711/pdf/procamiasymp00003-0260.pdf

2. 異常檢測

   ...在另一方面，如果你有過少的正面例子有更多的訓練神經網絡平衡的訓練集，那麼也許你可以試試anomaly detection。通過異常檢測，您可以訓練您的算法（例如神經網絡）來識別負數據點的外觀。然後，看起來與正常不同的任何數據點都被標記爲正數。