-2
私はscikitを使って、比較的基本的な機械学習をPythonで行います。私は、いくつかの特徴値を取り込み、0または1を返すモデルを訓練しようとしています。私の特定のケースでは、0の出力は、モデルがFacebook投稿を10回以上共有するとは思わないことを意味します。 1は、与えられたFacebookの投稿が10回以上共有されることをモデルが予測することを意味します。より多くの予測を生成するために予測モデルの精度を下げる方法はありますか？
ロジスティック回帰、ニューラルネットワーク、確率的勾配降下などのさまざまな手法を使って、いくつかの異なるモデルを訓練しました。私がこれらのモデルを訓練したら、それらをテストし、それぞれのモデルタイプ、すなわちロジスティック回帰、ニューラルネットワークなどについて、各モデルがどれくらいの予測をしたか、どれくらいのものが正しいかを見ます。
今私が直面している問題が浮上します。ロジスティック回帰モデルは、3000項目分のテストデータでテストすると、30件のポストで10以上のシェアが得られると予測され、1を返します.1の予測をしたときの97％の正確さでした。すべてうまくやっていますが、私はより多くの予測を生成するためにある程度の正確さを交換したいと思っています。たとえば、80％の精度で200の予測を生成できるなら、私はこのトレードオフを心拍で行います。
これを行うために私が使用できる方法は何ですか？どのように行われますか？それも可能ですか？