WPLoss:面向类别不平衡数据的加权成对损失

【文件属性】：
文件名称：WPLoss:面向类别不平衡数据的加权成对损失
文件大小：1.09MB
文件格式：PDF
更新时间：2021-04-30 15:24:26
不平衡分类 加权成对损失 AUC优化 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，进而提升分类器的性能。在20newsgroup和Reuters-21578数据集上的实验结果验证了WPLoss的有效性，表明WPLoss能够提升面向不平衡数据的分类器性能。