Kann mir jemand mathematisch sagen, wie sample_weight und class_weight in Keras bei der Berechnung von Verlustfunktion und Metriken verwendet werden? Ein einfacher mathematischer Ausdruck wird großartig sein.Wirkung von class_weight und sample_weight in Keras
Es ist eine einfache Multiplikation. Der durch die Probe verursachte Verlust wird durch sein Probengewicht vergrößert. Unter der Annahme, i = 1 to n Proben, ein Gewichtsvektor des Einwaagen w der Länge n, und dass der Verlust für die Proben i wird L_i bezeichnet:
In Keras insbesondere das Produkt jeden Verlust der Probe mit seinem Gewicht ist, geteilt durch den Anteil der Gewichte, die nicht 0 sind, so dass der Verlust pro Charge proportional zur Anzahl der Proben mit Gewicht> 0 ist. Lassen Sie den Anteil der Gewichte ungleich Null sein.
Hier ist der relevante Code-Schnipsel aus dem Keras Repo:
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_weight als sample_weight in der gleichen Art und Weise verwendet wird; Es dient lediglich dazu, bestimmte Gewichtungen über ganze Klassen hinweg anzugeben.
Die Beispielgewichte werden derzeit nicht auf Metriken angewendet, nur Verlust.