focal loss机制详解

在上一篇博客中，我提出了Focal Loss机制，可以解决我的模型训练中，五个癌症亚型不均衡的问题
focal loss的标准公式是
\(CE(p_t) = -\log(p_t)\)
Focal Loss 是基于二分类或多分类的预测概率定义的。假设 \(p\) 是模型预测样本属于目标类别的概率（经过 Softmax 后）：
\(p_t = \text{模型对真实类别(Ground Truth)的预测概率}\)
定义交叉熵损失CE
\(CE(p_t) = -\log(p_t)\)
最终带权重的focalloss

\(FL(p_t) = -\alpha_t (1 - p_t)^\gamma \log(p_t)\)