Tensorflow函数tf.nn.weighted_cross_entropy_with_logits()接受参数pos_weight.该文档定义pos_weight为"用于正面例子的系数 ".我认为这意味着增加会pos_weight增加误报的损失并减少假阴性的损失.或者我倒退了吗？
syg*_*ygi 11
实际上,这是相反的方式.引用文件:
该参数
pos_weight用作积极目标的乘数.
因此,假设您5的数据集中有正面示例而7负面,如果您设置了pos_weight=2,那么您的损失就好像您有10正面的例子而且是7负面的.
假设你得到的所有正面例子都是错的,而且都是负面的.最初你会有5假阴性和0误报.当你增加时pos_weight,假阴性的数量会人为增加.请注意,来自误报的损失值不会改变.
| 归档时间： |
|
| 查看次数： |
4574 次 |
| 最近记录： |