Paper Reading: A Re-Balancing Strategy for Class-Imbalanced Classification Based on Instance Difficulty

研究动机
文章贡献
本文方法
实验结果
优点和创新点

Paper Reading 是从个人角度进行的一些总结分享，受到个人关注点的侧重和实力所限，可能有理解不到位的地方。具体的细节还需要以原文的内容为准，博客中的图表若未另外说明则均来自原文。

论文概况	详细
标题	《A Re-Balancing Strategy for Class-Imbalanced Classification Based on Instance Difficulty》
作者	Sihao Yu, Jiafeng Guo, Ruqing Zhang, Yixing Fan, Zizhen Wang, Xueqi Cheng
发表会议	IEEE Conference on Computer Vision and Pattern Recognition(CVPR)
发表年份	2022
期刊等级	CCF-A
论文代码	未公开

作者单位：

University of Chinese Academy of Sciences, Beijing
China CAS Key Lab of Network Data Science and Technology, Institute of Computing Technology
Chinese Academy of Sciences, Beijing, China

研究动机#

各种算法都能解决高质量的合成数据集的分类问题，然而现实应用中的数据集往往是不平衡的。在不平衡数据集上训练时，神经网络模型通常在少数类上表现不佳。为了解决这个问题，很多研究者在训练模型时引入了各种策略来重新平衡数据分布，主流的解决方案是重采样和重加权。重采样方法通过重复少数类的实例或去除部分多数类的实例，实现对训练数据的直接调整。重加权方法侧重于对成本的定义，实现对少数类的成本给予更多的关注。
然而这些类级别的重新平衡策略过于粗糙，无法区分实例的差异。在多数类中也有一些难分样本，如果通过减少多数类的权重，这些难分将被进一步忽略，变得更加难以学习。因为每个实例通常只出现一次，所以在样本级的平衡问题上不能像现有的类级方法那样分配权重。受人类学习过程的启发可知，学习的速度和难度通常是密切相关的，样本学习过程也会直接受到数据分布的影响。因此将学习速度慢的样本识别为更困难的样本，并在学习中增加其权重，可以有效地平衡数据分布。

文章贡献#

受人类学习过程的启发，本文根据学习速度设计了样本难度模型，并提出了一种新的实例级再平衡策略。具体来说模型在每个训练周期记录每个实例的预测，并根据预测的变化来测量该样本的难度难度。然后对困难实例赋予更高的权重，对数据进行重新采样。本文从理论上证明了提出的重采样策略的正确性和收敛性，并进行一些实证实验来展示本文算法的能力。

本文方法#

任务定义#

在不损失一般性的情况下，本文将问题定义为一个包含 k 个类的分类任务。设 S:={zi=(xi, yi):1≤i≤N} 为包含 N 个实例的训练数据，其中 zi 表示第 i 个实例，xi 表示其特征，yi∈{1,…,k} 表示其类别标签。
采用神经网络拟合特征到类标签的映射，假设 Net 的最后一层是 softmax，将 pi=Net(xi) 表示为实例 zi 的预测分布，argmax(pi)=yi 表示实例 zi 被 Net 正确推断。采用合适的损失函数 L 来学习 Net 的参数 θ，设 L(θ,S)=∑^N_i=1L(θ,zi)是二次可微的，学习目标是通过改变网络的 θ 来最小化总损失 L(θ,S)。

重采样框架#

数据分布会极大地影响模型的学习，本文方法只调整训练中使用的数据分布来优化模型。使用的重采样方法的整体训练框架如伪代码所示：

重抽样方法的核心是计算所有实例的抽样权重，与现有的类级方法不同，即使类别相同本文方法中每个实例的采样概率可以不同。该模型的灵感基于应该更多关注困难样本的观点，抽样权重的计算公式如下，其中 wi,t 决定实例 zi 在第 t 次迭代后的采样概率。

采样方法将根据每个实例当前的难度动态调整采样权值，因此确定难度的模型直接决定了每个实例的抽样概率，是本文方法的核心。

样本难度模型#

理论分析#

当使用梯度下降更新 θ 时，更新的目标是使 L(θ,S) 变小。根据泰勒展开式，当 θ→θ0 时，L(θ,S) 可近似为如下公式，其中 L'(θ0, S)=∑^N_i=1L'(θ,zi)。为了得到最快的下降速度，令 △θ =(θ−θ0)=−ηL′(θ0, S)，其中 η 为学习率。

设参数更新后由 θ0 变为 θ1=θ0-ηL'(θ0, S)，对于样本 z 的 loss=L(θ1,z)−L(θ0,z) 的变化可以估计为如下公式，其中 ⟨·,·⟩ 表示内积。

如果 ⟨L'(θ0,z),L'(θ0,S⟩<0，则 z 的损失将增加，此时称 z 为未学习的。可以据此构造 S 的两个子集，分别是辅助集 Az:={a:a∈S,⟨L'(θ0,z), L'(θ0,a)⟩>0} 和阻碍集 Hz:={r:r∈S,⟨L'(θ0,z),L'(θ0,r)⟩<0}。实例损失的减小表示实例被模型学习的程度，由此可见 Az 中的样本提供了帮助，而 Hz 中的样本则产生了阻碍。当 Az 中任意实例的权重降低或 Hz 中任意实例的权重增加时，z 的损失将变得更加难以减少，说明实例的难易程度受数据分布的影响。
此时的一种朴素的想法是，学习的样本难度可以通过所有梯度两两求内积来评估，但是这样的计算非常复杂，速度太慢。由于二阶可微假设，当模型参数受到轻微扰动时，梯度变化不大。在相邻的两次迭代中，当 △θ 较小时模型的预测变化趋势相似，因此可以利用上一次迭代中的预测变化来估计当前迭代中的变化。本文将 Net_t 表示为已经训练了 t 次迭代的模型，p_i,t=Net_t(xi) 表示为 Net_t 的预测分布。则在第 t+1 次训练迭代中，取 p_i,t-1 和 _i,t 之间的变化来估计 zi 是倾向于被学习还是未被学习的学习结果。如果一个实例经常是未学习的，那么模型将很难利用它进行训练，显然当它的权重增加时，这样的样本将更容易学习。
样本难度可以在向量空间中，难度向量被定义为 D^->_i,T=c^->+∑^T_t=1d^->_i,t，其中 c=(c, c)、d^->_i,t=(du_i,t, dl_i,t)。更新采样权值时每个样本会计算一个新的难度向量，该向量的难度空间由遗忘趋势和学习趋势组成。如果模型倾向于忘记一个实例，则其难度向量的方向将紧密地指向忘记趋势。如果模型倾向于学习一个实例，其难度向量的方向将紧密指向学习趋势。该难度最终的结果会随着模型的收敛而收敛，在理想情况下，本文作者证明了当t→∞ 时，||D^->_i,t-1||=||D^->_i,t||，该结果作者展示在论文的附录中。

模型设计#

确定样本的难度考虑了学习方向和遗忘方向的预测变化，具体来说对于给定实例 zi，其经过 t 次迭代后的难度估计为如下公式。其中 c 为实例难度的先验参数，du_i,t为 t 次迭代后在负学习方向上的预测变化，dl_i,t 为在学习方向上的预测变化。所有样本都有相同的 c，该参数调节了难度对预测变化的敏感性。

上述公式中的分子记录负学习趋势的积累，分母记录了学习趋势的积累。在初始化阶段，所有样本的困难被初始化为 D_i,0=1。对于任何样本 zi 和 zj，D_i,t>D_j,t的实例说明在更新了 t 次迭代之后，zi 比 zj 更困难。
本文中根据 PSI(Population Stability Index, 稳定度指标)来定义 du_i,t 和 dl_i,t。PSI 是一个衡量分布之间距离的指标，无论学习方向如何，预测值在 p_i,t-1 和 p_i,t 之间的变化如下公式定义，其中 p^j_i,t-1 表示 Net_t 预测 zi为类别 j 的概率。

其中 p^yi_i,t−p^yi_i,t-1>0 表示学习，p^yi_i,t−p^yi_i,t-1<0 表示负学习。由于数据集往往有多个类别，因此将 du_i,t 和 dl_i,t 定义为如下公式，使其满足 d_i,t = du_i,t+dl_i,t。

模型每次迭代时都需要记录当前模型的预测，通过计算实例难度来调整实例 zi 的抽样权值。

实验结果#

实验设置#

本文和以下 3 种 baseline 方法进行对比，使用的 baseline 都是用于优化给定基模型学习的调节方法，实验采用 3 种基础模型，分别是：ResNet、Multilayer Perceptron、logistic regression。

baseline	描述
Class-Balance Loss	类级别的再平衡方法，根据类的有效数量调整类的权重
Focal loss	实例级难度敏感方法，根据损失为实例分配更高的权重
TDE	根据推理中的因果效应去除多数类的累积偏好，且不会在训练过程中调整数据分布

长尾分类实验#

此部分对具有不同失衡比率的长尾 CIFAR 数据集进行实验，总体失衡比记为 nmax/nmin，实验数据如下所示。在大多数情况下，本文方法优于其他方法，说明本文的策略对重新平衡分布是有效的。由于 TDE 不改变数据分布，因此本文方法可以与 TDE 集成进一步提高性能。

在不平衡比为 100 的长尾 CIFAR-100 上观察0多数类和少数类的性能，实验结果如下表所示。从结果可见，本文的方法更关注那些很难学习的实例，因此能有效地改进多数类和少数类。虽然少数类的改进不如 Class-Balance Loss，但总体上有更好的性能。

仿真实验#

原始 MNIST 是手写体数字识别数据集，此处通过欠采样构建了 MNIST 的长尾版本。修改后的数据集有偶数、奇数两个类别，其中偶数类包括多数子类 0、2 和少数子类 4、6、8，奇数类的多数子类 1、3 和少数子类 5、7、9，每个类中的子类分布也服从长尾分布。在训练过程中，模型能获取类标签，但对于子类标签是不可知的。
实验结果如下表所示，可见本文方法对少数子类有更显著的改进，这表明了样本级调整具有优越性，同时本文方法也有效地降低了标记类和未标记子类的不平衡比率。

由于本文方法可以重新平衡类甚至未标记子类的分布，因此作者记录了不同类和子类的遗忘频率，并可视化了遗忘频率和难度之间的关系。从下图可以看到，较少的类或子类通常具有较高的遗忘频率，表明数据分布与遗忘频率之间存在很强的相关性。

接着对具有不同遗忘概率的实例进行模拟，下图给出了三种不同概率的负学习样本的损失和难度变化。可以看到本文的样本难度与遗忘频率是一致的，具有较高遗忘频率的实例将获得更高的难度和更高的权重，因此本文方法可以重新平衡类或子类的分布。