如何实现不同的班权重

Question

我的问题是句子分类，一个两类预测问题：句子属于“1”类还是“0”类？为了解决这个问题，我使用CNN。在

然而，我想强迫模型更多地惩罚类“1”上的错误，因为对我来说，模型可靠地预测类“1”更重要，即类“0”的误报是可以容忍的。在

为此，我改变了成本函数。每当出现错误并且错误发生在类“1”上时，返回值2，否则返回1。如果没有错误，则返回0。如果预测值为“0”，那么这应该会导致成本增加，但与相反的情况相比，它应该是“1”。在

这是我的密码（抱歉搞砸了）。在

def class_imbalanced_errors(self,y_pred,y):
    expr=lambda a,b: T.switch(T.neq(a,b),T.switch(T.neq(a,T.constant(1)),T.constant(1),T.constant(2)),T.constant(0))
    x,y = theano.scan(expr,sequences=[y,y_pred])
    return x

函数返回值为2、1或0的向量，具体取决于错误类型。这个向量的平均值就是最终的成本。在

我的问题：

这是给这两个类赋予不同权重的正确方法吗？ 我的实现似乎正确吗？在