¡Por supuesto!
Cuando muchos se están metiendo en problemas de clasificación binaria, a menudo establecerán un límite para una clasificación positiva como> = 0.5.
Sin embargo, a medida que nos iluminamos más, aprendemos que dicho umbral es arbitrario y que nuestra tasa de falsos positivos se dispara.
- ¿Cuáles son algunos de los temas candentes que se están investigando actualmente en la escucha de máquinas / procesamiento de audio?
- ¿Cuáles son las diversas aplicaciones del aprendizaje automático en ciencias de la salud / ciencias de la vida?
- ¿Cuáles son las lecciones del desafío del Premio Netflix?
- ¿Hay escasez de científicos de datos?
- Suponga que la máquina es multinúcleo, el tiempo de ejecución de un programa en una máquina que ejecuta solo ese proceso es igual al tiempo de ejecución en una máquina en la que hay otros procesos ejecutados junto con él, ¿no es así?
Por lo tanto, hacemos un análisis más detallado e intentamos encontrar el umbral ideal que mantenga baja nuestra tasa de falsos positivos, pero mantenga alta nuestra verdadera tasa positiva, pero también evite el ajuste excesivo del conjunto de datos; sí, como adivinó con tantas medidas, es imposible mejorarlas todas entonces hacemos concesiones.
(Otra forma de encontrar el umbral ideal es usar el método del codo, pero puede buscarlo usted mismo)
En resumen, sí, puede establecer el valor de umbral como lo desee; si busca en la fuente muchas bibliotecas de ML, lo establecerá en 0.6.
