强制高真阳性的深度学习损失

Question

我有一个二元分类问题，我感兴趣的主要指标是 True Positive。 目前我正在使用 BCE 损失，但它并没有给我带来好的结果。

我的问题是，是否存在有助于这个方向的损失，我正在考虑使用调整后的权重来加权我的预测，例如：

class WeightedBCELoss(nn.Module):
    def __init__(self):
        super().__init__()
        self.binary_loss = nn.BCELoss(reduction="none")

    def forward(self, prediction, gt):
        class_loss = self.binary_loss(prediction, gt)

        weights = torch.ones_like(gt)

        weights[gt >= 0.5] = w_positive
        weights[gt < 0.5] = w_negative

        return torch.mean(weights * class_loss)

但我不知道如何选择w_positive和w_negative。

有什么好的选择方法吗？还是有适合我情况的损失？

先谢谢你！