如何惩罚假否定的比假阳性的惩罚更多
我有一个包含具有相应标签（0或1）的文本序列的数据集。问题在于数据集有大约。具有标签0的序列比标签1多20倍。我遇到了一种改善FNR的方法，即在损失函数中重量比FPS重。但是，使用损失函数（Pytorch bcewithlogitsloss），据我所知，这不是一个选择。有没有办法实施此功能？
I have a dataset containing text sequences with corresponding labels (0 or 1). The issue is that the dataset has approx. 20x more sequences with label 0 than with label 1. I encountered a method to improve the FNR, namely to weigh FNs heavier than FPs in the loss function. However, with the loss function I use (PyTorch BCEWithLogitsLoss) this isn't an option as far as I could see. Is there a way to implement this?
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论