我可以用 pytorch 训练（优化）f1 分数损失吗

Question

我正在构建一个如下所示的二元分类器。我可以替换 BCELoss 来优化 f1 分数吗？

criterion = nn.BCELoss()

preds = model(inputs)
loss = criterion(preds , labels)

Answer 1

F1分数不是平滑函数，因此不能直接用梯度下降来优化。随着网络参数逐渐变化，输出概率平滑变化，但 F1 分数仅在概率越过 0.5 边界时发生变化。结果，F1分数的梯度几乎到处都是零。

您可以使用 F 测量的软件版本，如此处所述。诀窍在于，您基本上用某种概率版本替换真阳性和假阳性的计数：

其中o _i是网络输出，t _i是真实目标概率。然后您继续照常计算 F 测量。

然后将这些定义用于公式 F1=2TP/(2TP+FP+FN)。

此外，您可能会发现这个Kaggle 教程很有用。