python - 卷积神经网络中的不平衡类

Question

我有一个分类问题，其中感兴趣的类别仅占数据集的 7%，而整个群体大约有 1200 个观察值。

据我了解，Keras 的 ImageDataGenerator 有助于在训练模型之前增强数据以增加观察数量，但是是否可以仅增强一类，例如添加噪声、模糊或执行只对少数阶层进行改造？

Answer 1

您可以尝试使用 fit() 函数中的 class_weight 参数进行平衡，该函数采用将类映射到权重值的字典。您甚至可以使用 sklearn 来计算适当的类别权重。请参阅此处的 PSc 答案:https://datascience.stackexchange.com/questions/13490/how-to-set-class-weights-for-imbalanced-classes-in-keras

或者您可以将 Keras ImageDateGenerator 与 flow_from_directory() 结合使用，并使用 save_to_dir 参数将图像增强运行保存到目录中，从而生成代表性不足的类的更多示例:https://keras.io/preprocessing/image/#imagedatagenerator

对于该虚拟运行，您只需提供您想要更多样本的类的样本。

然后，您可以使用平衡的训练和验证数据进行实际训练。