【发布时间】:2019-09-09 07:39:45
【问题描述】:
我将我的普通铰链损失定义为:
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,如果它是那个类,或者-1,如果它不是那个类。我的班级不平衡,我的-1 比+1 多得多。
因此,我想加权损失+1 以提高惩罚。但我不知道我会如何改变我的铰链损失。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,那么 X = 100/10 = 10。
如果y_true = 1,则损失为hingeloss*10。
这是正确的还是有更好的方法来做到这一点?
【问题讨论】:
标签: python tensorflow machine-learning loss-function