计算机应用研究2021，Issue(3) ：702-704,709.DOI:10.19734/j.issn.1001-3695.2020.02.0041

WPLoss:面向类别不平衡数据的加权成对损失

WPLoss:weighted pairwise loss for class-imbalanced datasets

姚佳奇 徐正国 燕继坤 王科人
计算机应用研究2021，Issue(3) ：702-704,709.DOI:10.19734/j.issn.1001-3695.2020.02.0041
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据

WPLoss:面向类别不平衡数据的加权成对损失

WPLoss:weighted pairwise loss for class-imbalanced datasets

姚佳奇 1徐正国 1燕继坤 1王科人1
扫码查看

作者信息

  • 1. 盲信号处理重点实验室,成都610041
  • 折叠

摘要

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.

关键词

不平衡分类/加权成对损失/AUC优化

引用本文复制引用

出版年

2021
计算机应用研究
四川省电子计算机应用研究中心

计算机应用研究

CSTPCDCSCD北大核心
影响因子：0.93
ISSN：1001-3695
被引量6
参考文献量1
段落导航相关论文