创建衡量F1损失的标准

Question

我目前正在使用以下方法创建衡量MSE损失函数的标准：

loss_fcn = torch.nn.MSELoss() 

loss = loss_fcn(logits[getMaskForBatch(subgraph)], labels.float())

现在我需要将其更改为F1分数，但似乎找不到一个可以用于它的库

Answer 1

为什么需要这么做？

F1分数通常是评估指标，而不是损失函数。此外，要将F1得分用作损失函数，必须确保它具有可微性和凸性（我认为可能不是这样，否则在文献中就已经存在）。

有很多损失函数可以解决您的问题，例如交叉熵，对数可能性为负，CTC损失等。

Answer 2

特别是根据您需要具有特定损失函数的任务。 损失函数也称为目标函数，成本函数或误差函数在某种程度上与优化函数相反。损失函数产生损失，优化函数减少损失。 :)。这两个函数应该处于平衡状态，这样我们就不会过拟合。

PyTorch 回归损失：

• nn.L1Loss L1 损失 (MAE)
• nn.MSELoss L2 损失 (MSE)
• nn.SmoothL1Loss 胡贝尔

PyTorch 分类损失：

• nn.CrossEntropyLoss
• nn.KLDivLoss
• nn.NLLLoss

PyTorch GAN 训练

• nn.MarginRankingLoss

因此，如果您使用 nn.MSELoss，您可能需要继续使用回归，因为 F1 是分类指标。

如果由于其他原因确实需要 F1 分数，则可以使用 scikit learn。