Keras'ta class_weight ve sample_weight'nin etkisi

Question

Birisi kayıp fonksiyonu ve metriklerinin hesaplanmasında Keras'ta sample_weight ve class_weight'un nasıl kullanıldığını bana matematiksel olarak söyleyebilir mi? Basit bir matematiksel ifade harika olacak.

Answer 1

Bu basit bir çarpmadır. Numunenin katkıda bulunduğu kayıp, numune ağırlığı ile büyütülür. i = 1 to n numuneler, numune ağırlıkları uzunluğu n arasında w bir ağırlık vektörü varsayılarak, örnek i için zarar L_i gösterilen olduğu:

özellikle keras olarak

, kendi ağırlığı ile her bir numunenin kaybı ürünüdür 0'a eşit olmayan ağırlıklar fraksiyonuna bölündü, böylelikle parti başına kayıp ağırlık> 0 numunesi ile orantılıdır. p, sıfır olmayan ağırlıkların oranı olsun.

İşte Keras repo kod alakalı pasajı var:

score_array = loss_fn(y_true, y_pred) 

if weights is not None: 
    score_array *= weights 
    score_array /= K.mean(K.cast(K.not_equal(weights, 0), K.floatx())) 

return K.mean(score_array) 

class_weightsample_weight aynı şekilde kullanılır; tüm sınıflar boyunca belirli ağırlıkların belirlenmesi için bir kolaylık sağlanmıştır.

Örnek ağırlıklar şu anda yalnızca metriklere değil, yalnızca kayıplara uygulanmaz.