類間樣本數量不平衡對分類模型性能的影響問題

我在作人臉檢測試驗的時候，發現了問題，別人的二分類器（判別是否是人臉）的閾值很高，大於90%點機率，而個人閾值要設置的很低10%點機率即認爲是臉，通過觀察，個人負樣本數數量上比正樣本數多的太多了，致使網絡對負樣本的判別有信心，對正樣本判別能力微弱，猜想正負樣本分佈對閾值有影響，故上網找了這篇文章html 這篇博文是做者的一個實驗筆記，研究一個」飛機-背景「二分類器在不一樣樣本比例下精度，召回率的規

>>阅读原文<<