数据集标签数量不均衡如何设计loss均衡数量

1. 思路出发点：

对于哪些数量分布比值较少的标签提供更多的loss注意力比重，如何提高训练注意力比重，也就是说，让模型的梯度更多的倾向于有利于数据标签分布较少的数据训练，对于loss来说就是扩大这个标签的loss

2.公式

这里面PI就是疾病的分布，它实际上对于log函数，PI的取值是0-1，之和为1，也就是对于数据集小的标签来说，负值越大，在logits里面对于与实际target的差距也就越大，对于loss来说也就越需要进行优化。

3. 注意这个logits是分类之前也就是sigmoid(使用多标签分类任务)之前使用的