Keras 中用于称重错误分类样本的自定义损失函数答案

【问题标题】：Custom loss function in Keras for weighting missclassified samplesKeras 中用于称重错误分类样本的自定义损失函数
【发布时间】：2019-04-23 00:45:56
【问题描述】：

假设y_true 和y_pred 在[-1,1] 中。我想要一个加权均方误差损失函数，其中y_true 中为正而y_pred 中为负或反之亦然的样本的损失由exp(alpha) 加权。这是我的代码：

import keras.backend as K
alpha = 1.0
def custom_loss(y_true, y_pred):
     se = K.square(y_pred-y_true)
     true_label = K.less_equal(y_true,0.0)
     pred_label = K.less_equal(y_pred,0.0)
     return K.mean(se * K.exp(alpha*K.cast(K.not_equal(true_label,pred_label), tf.float32)))

这里是这个损失函数的图。不同的曲线代表y_true 的不同值。

我想知道：

这是否是一个有效的损失函数，因为它在 0 中不可微分？
我的代码正确吗？

【问题讨论】：

标签： python keras classification regression loss-function

【解决方案1】：

我建议你使用这种类型的损失函数来处理不平衡数据集

def focal_loss(y_true, y_pred):
   gamma = 2.0, alpha = 0.25
   pt_1 = tf.where(tf.equal(y_true, 1), y_pred, tf.ones_like(y_pred))
   pt_0 = tf.where(tf.equal(y_true, 0), y_pred, tf.zeros_like(y_pred))
   return -K.sum(alpha * K.pow(1. - pt_1, gamma) * K.log(pt_1))-K.sum((1-alpha) * K.pow(pt_0, gamma) * K.log(1. - pt_0))

来自this来源

【讨论】：