Подскажите, теоретический вопрос.
Допустим я построил нейросетевую модель. Переменная отклика -бинарная (1,0)
Но модель плохого качества
плохой AUC
переобучение на лицо. и прочее плохие бяки:)

Что мне нужно сделать, чтобы понять почему всё так плохо
и какие попытки нужно предпринять , чтобы улучшить качество модели
Потому что одним изменением параметров таких как порог и кол-во скрытых слоев и нейронов в них явно не отделаешься.

Kont, !

Для повышения качества следует применять иные модели. Поскольку переменная отклика является бинарной (1;0),
то для такой зависимой переменной рекомендую использовать модель логистической регрессии, построив и ROC-кривую.
Прочитайте о возможностях этой модели статьи по адресу http://www.biometrica.tomsk.ru/logit_0.htm

leo_biostat, и Вам доброго дня.
Не одними бинарными переменными откликами статистика сыта:)
во-первых переменная отклика может иметь намного больше градаций и задача скорее классификационная, где Дискриминантный анализ не помощник из-за большого числа разрозненный данных и их большого количества.
Что в таком случае делать нужно?))

1. Задача просто может не иметь решения -- "иногда сны это просто сны" (С)

2. Если точно известно, что задача решается (например это данные по которым некий агент различает исходы), то надо думать

а) над представлением этих данных на входе

б) над аугументацией этих данных (если их явно маловато)

в) над выбранной архитектурой сети

г) над использованием более продвинутого алгоритма поиска решения, где нейросеть только один из элементов алгоритма решающего задачу разделения смеси