基于focal loss的不平衡分类（TensorFlow2）--在凯斯西储轴承诊断数据集上的测试（4）

---

---

1. focal loss损失函数的原理

代价敏感损失的定义：通过对不同类别的损失分配不同的权值，从而降低容易分类正确的富样本类对模型训练损失的贡献率，提升难区分类对模型训练损失的贡献率。

具体的，代价敏感损失的公式为：
L c o n f = { − α c l s 1 ⋅ ( 1 − p t ) γ log ⁡ ( p t ) − α c l s 2 ⋅ p t γ ⋅ log ⁡ ( p t ) L_{conf}=\left\{ \begin{array}{c} -\alpha _{cls1}\cdot \left( 1-p_t \right) ^{\gamma}\log \left( p_t \right)\\ -\alpha _{cls2}\cdot {p_t}^{\gamma}\cdot \log \left( p_t \right)\\ \end{array} \right.