tensorflow - 为不平衡数据加权回归CNN？

Question

我有一个用于回归的 CNN，它获取图像并输出浮点数 0-10。我的模型运行良好，但我有一个严重的数据不平衡问题，使我的模型对几乎所有图像的预测都在 6-8 之间，但实现了不错的均方误差。我知道人们根据他们的数据集的不平衡程度来加权他们的类(class)。那么，有没有办法用回归模型来做到这一点？如果有帮助，我的输出是一个浮点数，但我的所有数据都在 0-10 范围内以 0.5 为间隔，因此在某种程度上有 20 个不同的类。这是我的数据标签的分布。



我知道还有其他方法，例如:

对少数群体进行过采样。

使用数据增强来制作少数群体的“副本”。

优化不同的性能指标。 (不知道那会是什么)

有什么建议？谢谢。

Answer 1

您的数据最初可能代表了一个回归问题，但在将其分成 20 组之后，您正在 上训练您的模型。 20级分类问题 .因此，您应该这样对待它并寻找解决这种不平衡的方法。最普遍的方法是:

过采样少数族裔

欠采样大多数类

使用 类(class)权重

我通常更喜欢第一个，因为模型在处理更多数据时往往会做得更好，但第三个更容易实现，并且不会为训练增加额外的计算成本。