Question

我将我的香草铰链损失定义为：

def hinge(y_true, y_pred):    
    return tf.maximum(0., 1- y_true*y_pred)

我正在训练SVM来预测事件。我的y值是1（如果是该类），或者-1（如果不是该类）。我班上的不平衡之处是我的-1比+1多得多。

因此，我想将损失+1加权为更高的罚款。但是我不怎么确切地改变铰链损失。我能想到的最好的是

X = (# of non event samples) / (# of event samples)
if(y_true*y_pred > 0):
    return tf.maximum(0., 1- y_true*y_pred)*X

这意味着，如果我有100个非事件和10个事件，则X = 100/10 = 10。如果是hingeloss*10，则损失为y_true = 1。

这是对的还是有更好的方法呢？

Answer 1

怎么样：

def hinge(y_true, y_pred):    
    return tf.multiply((11/9+y_true)*9/2,tf.maximum(0., 1- y_true*y_pred))

这里的逻辑是，如果y_true为1，我们想乘以10；如果为-1，我们想乘以1。您可以检查y_true为-1时，(11/9+y_true)*9/2的计算结果为1，而当{{1}}的计算结果为1时，计算结果为10。如果您想知道如何在expession中导出11/9 ，这是求解线性方程式所需位移s的结果：

10（s +（-1））= 1（s + 1）。

加权铰链损失功能

1 个答案: