加权铰链损失函数

我将我的普通铰链损失定义为:

def hinge(y_true, y_pred):    
    return tf.maximum(0., 1- y_true*y_pred)

我正在训练SVM来预测一个事件。还有我的 y 值为 1 如果是那个班或者 -1 如果不是那个班的话。我的课不平衡,我有更多 比 +1 .

因此,我想对损失进行权衡 + 1 更高的惩罚。但我不能准确地改变我的铰链损耗。我能想到的最好的是,

X = (# of non event samples) / (# of event samples)
if(y_true*y_pred > 0):
    return tf.maximum(0., 1- y_true*y_pred)*X

这意味着,如果我有100个非事件和10个事件,那么 X =100/10=10。 那么损失就是 hingeloss*10 如果 y_true = 1 .

这样做是对的还是有更好的方法?