为高精度计算损失函数的权重

Posted 2023-02-23

【中文标题】为高精度计算损失函数的权重

【英文标题】：Calculating weights for loss function for high precision

【发布时间】：2018-11-26 04:06:28

【问题描述】：

我有一个不平衡的数据集，其中 2 个类的示例数量少，3 个类的示例数量多。是否有计算损失函数权重的标准方法，从而创建一个高精度的系统？

【参考方案1】：

退后一步，让我指出两个可能的方向：

欠采样和过采样：此过程发生在数据集级别。目标是从代表性不足的类中生成新样本（过采样）。或者减少过度抑制类的样本数量（欠采样）。请参阅以下链接 + 包：imbalanced-learn。

调整损失函数：该技术应用于分类器的损失函数，确保来自代表性不足的类别的样本对整体损失的贡献更大（相对而言）。请参阅此讨论How does the class_weight parameter in scikit-learn work?

此外，本文对 8 Tactics to Combat Imbalanced Classes in Your Machine Learning Dataset 进行了概述。