cp_examples/mip_finetune/train_mip.py [76:91]:
- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
    pos = (csv[label_list] == 1).sum()
    neg = (csv[label_list] == 0).sum()

    if uncertain_label == 1:
        pos = pos + (csv[label_list] == -1).sum()
    elif uncertain_label == -1:
        neg = neg + (csv[label_list] == -1).sum()

    if nan_label == 1:
        pos = pos + (csv[label_list].isna()).sum()
    elif nan_label == -1:
        neg = neg + (csv[label_list].isna()).sum()

    pos_weights = torch.tensor((neg / np.maximum(pos, 1)).values.astype(np.float))

    return pos_weights
- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -



cp_examples/sip_finetune/train_sip.py [124:139]:
- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
        pos = (csv[label_list] == 1).sum()
        neg = (csv[label_list] == 0).sum()

        if uncertain_label == 1:
            pos = pos + (csv[label_list] == -1).sum()
        elif uncertain_label == -1:
            neg = neg + (csv[label_list] == -1).sum()

        if nan_label == 1:
            pos = pos + (csv[label_list].isna()).sum()
        elif nan_label == -1:
            neg = neg + (csv[label_list].isna()).sum()

        pos_weights = torch.tensor((neg / np.maximum(pos, 1)).values.astype(np.float))

    return pos_weights
- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -