处理不平衡类别的loss

在进行多分类问题的时候，常常会遇到数据不平衡的状况，对于多分类问题，常见的loss有categorical crossentroy.

1. 可以考虑手动设置loss权重来增加模型的准确度，将类别较少的类权重增高。在试验中，用的数据是情感分析label2的数据集，在不加权重f1值为0.53，权重为[1 2 3 1]后f1值为0.55， 权重为[1 2 6 1]后f1值为0.567。
2. 我又尝试了根据不平衡的数据集定义一个权重函数，但是效果一般，可能是我的函数有问题的缘故吧，具体可以参考代码
3. 有一篇论文的思路不错，可以参考一下paper,具体思路是直接定义一个拟合f1的loss，或者是拟合prauc的loss，作者也开源了部分代码.但是作者没有开源那个拟合f1的loss函数，有没有大佬可以复现出来。。。。我测试了一下那个precision_recall_auc_loss，它在二分类问题上表现不错，但是在多分类问题上效果就不太好。由于我平时有课业很重，这个实验暂时就搁置了。如果谁有新的想法的，希望能告知我。
   总结：还是手动设置权重效果最突出，但是设置为多少往往取决于主观判断，没有一个很好的量化指标。