Current Location:home > Detailed Browse

Article Detail

WPLoss:面向类别不平衡数据的加权成对损失

Submit Time: 2020-09-28
Author: 姚佳奇 1 ; 徐正国 1 ; 燕继坤 1 ; 王科人 1 ;
Institute: 1.盲信号处理重点实验室;

Abstracts

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的性能。
Download Comment From cooperative journals:《计算机应用研究》 Hits:1046 Downloads:776
Journal:计算机应用研究
Recommended references: 姚佳奇,徐正国,燕继坤,王科人.(2020).WPLoss:面向类别不平衡数据的加权成对损失.计算机应用研究.[ChinaXiv:202009.00107] (Click&Copy)
Version History
[V1] 2020-09-28 14:16:15 chinaXiv:202009.00107V1 Download
Related Paper

Download

Current Browse

Cross Subject Browse

  • - NO