请教个神经网络的问题

预测全为 0 为啥 loss 就低，样本不平衡？

@zhucegeqiu 比如一共有 1000 个 label ，但是一个样本可能只有一两个 label 是 1 ，其他都是 0 ，直接预测全 0 ，用 BCE 计算 loss 好像就不高

样本也太不平衡了吧，感觉换 loss 也不一定有用，下采样负例稍微平衡一下?

@zxCoder 你已经说出了原因了。神经网络做的是

1. 最大化 l(x,y) 在训练样本 p(x,y) = p(x)p(y|x) 上的期望。
2. 几乎不可能找到全局最优解，只能找到局部最优解。

在你的例子中，998/1000 以上的训练样本都是 0 。也就是说 p(y=0|x) = 0.998 。如果你是神经网络要学习 y=f(x)，那么是不是很容易找到 y=f(x) 恒等于 0 这个局部最优解？

p(y=0|x) = 0.998 ，约等于 p(y=0|x) = 1 。如果是后者，显然全局最优解就是 y=f(x) 恒等于 0 。

使用 weighted cross entropy ，增大类别少的样本权重，或者想办法把各类数据均衡

@jdhao 这个例子里面，imbalance 太严重了。说句难听的，只有 2 个正例，分分钟过拟合。

这种问题建议先 unsupervised training ，用得到的 hidden representation 做更稳的分类器。

@ipwx 检查了一下，一共 120 个标签，5 万多个训练样本
标签分布大概是
[656, 122, 380, 217, 2276, 794, 149, 458, 248, 626, 102, 135, 396, 127, 141, 3431, 161, 687, 352, 157, 1322, 1887, 423, 313, 994, 880, 125, 138, 295, 473, 263, 106, 1153, 221, 297, 1643, 150, 3083, 218, 403, 277, 258, 524, 5553, 246, 128, 205, 735, 115, 1089, 159, 201, 438, 1984, 536, 148, 666, 251, 103, 499, 263, 124, 217, 823, 136, 112, 157, 128, 747, 202, 189, 147, 115, 224, 122, 920, 2176, 235, 247, 1861, 110, 124, 1178, 199, 166, 106, 457, 3718, 154, 12597, 641, 182, 354, 164, 277, 230, 232, 106, 3445, 979, 1589, 132, 105, 150, 219, 188, 168, 535, 284, 2137, 1351, 101, 542, 115, 804, 114, 384, 125, 102, 1334]

感觉也还行吧，这算不均衡吗

而且同样的数据，之前在其他基于 bert 的模型上跑也没出现这问题啊

这个问题的根源在于， 激活函数是 softmax 的时候，最后一层的输出强制非负并且和为 1;
更换到 sigmoid 之后，输出之和为 1 的限制被解去了。
当有 1000+ 个 label ，而一个样本最多有两个 label 是 1 的时候，网络输出全为 0 明显是一个局部最小，而且基本上不能跳出来的那种。

我出个主意:
鉴于最多有两个标签是 1 ，那么可以依旧用 softmax 做激活，用 soft label 处理下数据。

譬如，当某个样本只有 1 个标签的时候，把这个标签设置为 0.5 ，其他的 999 个平分剩下的 0.5 ；当某个样本有两个标签的时候，把这两个标签都设置为 0.5 ，其余的标签设置为 0 。

刚拍脑袋想出来的，不保证靠谱。

@zxCoder 噗你不说我看 sigmoid 还以为你这是二分类。

多分类你用 sigmoid 做各维独立当然不太行。。。

@ipwx 啊 为啥啊，做的是多标签分类，之前一直用 sigmoid

哦哦哦 等等，是多标签分类。

那你说不定可以试试在输出层的 loss 上，各维独立添加惩罚系数，就正比于根据你上面那个类别数量的倒数。

不过我觉得你说不定前面的网络哪里有问题。。。

哦又重新看了看你的问题描述。

我懂了，你的问题果然还是各维独立做多标签这里出了问题。
记 C = sum(你上面那个频数列表)

np.percentile(C / C.sum(), [1,10,20,50,80,90,99])
=> array([0.00119775, 0.0013504 , 0.00157821, 0.00292978, 0.00979803,
0.01954908, 0.06111261])

这个 imbalance 太严重了。各个维度都输出 0 就是一个非常巨大的局部最小值点。

解决方法 1：在每一维输出的时候，如果是 1 就 loss 添加惩罚系数 C / 类别频率，0 就添加 C / (1 - 类别频率)。这样能把各维二分类各自的 imbalance 问题降下来。

解决方法 2：还是 softmax 做 top-k 分类推荐。额外添加一个分类器预测到底输入有多少个输出类。

@zxCoder 从逻辑回归角度看 0-1 分类会有这样的结论：

对于一个二分类器而言，如果你的类别 A 出现概率是 p ，类别 B 出现概率是 1-p ，并且两类在 loss 上的贡献是等权的，那么最终你的分类器的决策边界大概在 p 附近。

你的所有类别都严重 imbalance ，p 的 99% 分位数都只有 0.06 ，那么你每一类的分类边界，小的大概在 0.001 ，大的也只有 0.06 。但是你在做预测的时候决策边界是 0.5 ，那么当然全部认为是 0 。

我说的那个惩罚系数就是强行把这个决策边界拉回 0.5 附近。

想了想惩罚系数也可以这样

1 => (1 - 类别频率)，0 => 类别频率

@ipwx 没辙了。。。加了 weight 也不行，把多标签分类改成多分类也不行，总是预测到同一个类别。。。这破论文怎么就还能发呢。。。

@ipwx
”1 => (1 - 类别频率)，0 => 类别频率“

老哥能不能说下代码怎么实现这个啊。这个是要自己循环判断每个 label 的预测结果再计算 loss 吗？直接用 weight 好像只能是给每个 label 分配不同的权重

@zxCoder 你们用 pytorch 的都没有自己写 train loop 的经历了么啊，只能 model.fit ??

class_prob = C / C.sum()

自己组 loss 不就随便搞了。伪代码：

binary_cross_entropy(logits, label) * torch.where(label == 1, 1-C[label], C[label])

肯定有辙啊

@ipwx 还是没啥效果，真是奇怪，同样的数据，在别的模型上就挺正常的，在这个模型上就不行，网络结构都是一个 bert ，一个 dropout 层和最后一个 linear 层

摸不到你的数据所以没法远程给建议了（趴

@ipwx 最后解决方案：去 tm 的开源代码，自己重新复现了一份，精度正常了。。。。