python - 加权铰链损失函数

Question

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。如果是该类，则我的 y 值为 1；如果不是该类，则我的 y 值为 -1。我的类(class)不平衡，我的 -1 比 +1 多得多。

因此，我想将损失权重+1作为更高的惩罚。但我不知道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，则 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？

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，我们希望乘以 10；如果为 -1，我们希望乘以 1。您可以检查当 y_true 为 -1 时，(11/9+y_true)*9/2 计算结果为 1，当它为 1 时，计算结果为 10。如果您有兴趣了解如何导出表达式中的 11/9，它是求解所需位移 s 的线性方程的结果:

10(s + (-1))=1(s+1)。