1 类别不均衡问题
类别不均衡是指在机器学习的分类问题中，预测目标不同类别之间样本数量存在较大差异。如二分类中，正例1000个，负例10个，那模型只要简单将所有样本预测为正，就可以获得超高准确率，但是往往这并不是我们想要的结果。比如新冠感染者的检查，感染者明显是人群中的少数，采用上述策略，就会倾向于认为所有人都是未感染者，这是不可以的，因为这种情况下，感染者虽然是少数，但是带来的影响却是巨大的，因此我们需要模型在训练阶段更好地找出每个感染者，而不是一味追求准确率。
2 交叉熵损失
交叉熵损失是分类问题中使用最为普遍的损失函数，其公式如下：
其中，y是真实标签，p为预测概率。
在某个二分类问题中，假设正例样本数为a，负例样本数为b，那么，交叉熵损失为：
当a>>b时，对于所有样本，正样本对于损失函数的贡献就远大于负样本，因此模型会倾向于将样本预测为正例。所以样本不均衡问题的应对方法之一就是更换损失函数。
最简单的方式，就是为不均衡类别赋予不同的样本权重，让少数类别的样本获得更大的重要度，如下，通过引入权重来均衡正负样本对损失的影响：
3 Focal Loss
从另外一个角度来看类别不均衡问题，可以认为少数类样本是一种难以分类的样本，因为模型总容易把它们分错。定义一个指标来衡量样本的难易程度：
其中，p是模型预测值，y是真实值。
越大说明模型越容易分错。通常，简单样本是难样本的指数倍数。因此，即使难样本单个样本被分错，损失较大，但是奈何其群体数少，不能影响全局，模型会“战略性”放弃这些样本。为了在战略上重视错分个体，我们同样引入样本权重来进行操作：
其中，用来做类别均衡（同
），
用来均衡难易样本。而
可以定义为指数函数：
最终，Focal Loss可以写成：
在何老师的原文中，通过实验发现=0.25，r=2时，模型能够取得比较好的效果。
