WPLoss:面向类别不平衡数据的加权成对损失OA北大核心CSCD
WPLoss:weighted pairwise loss for class-imbalanced datasets
类别不平衡数据是指不同类别的样本数目差异很大,AUC(area under the ROC curve)是衡量不平衡数据分类器性能的一个重要指标,由于AUC不可微,研究者提出了众多替代成对损失函数优化AUC.成对损失的样本对数目为正负样本数目的乘积,大量成对损失较小的正负样本对影响了分类器的性能.针对这一问题,提出了一种加权的成对损失函数WPLoss,通过赋予成对损失较大的正负样本对更高的损失权重,减少大量成对损失较小的正负样本对的影响,进而提升…查看全部>>
姚佳奇;徐正国;燕继坤;王科人
盲信号处理重点实验室,成都610041盲信号处理重点实验室,成都610041盲信号处理重点实验室,成都610041盲信号处理重点实验室,成都610041
信息技术与安全科学
不平衡分类加权成对损失AUC优化
《计算机应用研究》 2021 (3)
702-704,709,4
评论