Focal Loss vs Binary Cross-Entropy: Leitfaden für unausgewogene Klassifikation
Binary Cross‑Entropy (BCE) ist die Standardverlustfunktion für binäre Klassifikationsaufgaben. Sie funktioniert hervorragend, wenn die beiden Klassen ungefähr gleich häufig vorkommen. Bei stark unausgewogenen Datensätzen – etwa wenn die positive Klasse nur wenige Prozent der Beispiele ausmacht – verliert BCE jedoch an Wirksamkeit. Der Grund liegt darin, dass BCE Fehler beider Klassen gleich gewichtet, selbst wenn eine Klasse extrem selten ist.
