如何在 Keras 中使用 fit_generator() 平衡数据集？

Question

我正在尝试使用 keras 来拟合 CNN 模型来分类 2 类数据。我有不平衡的数据集我想平衡数据。我不知道我可以在 model.fit_generator 中使用 class_weight 。我想知道我是否在model.fit_generator中使用了class_weight="balanced"

主要代码：

def generate_arrays_for_training(indexPat, paths, start=0, end=100):      
    while True:
        from_=int(len(paths)/100*start)
        to_=int(len(paths)/100*end)
        for i in range(from_, int(to_)):
            f=paths[i]
            x = np.load(PathSpectogramFolder+f) 
            x = np.expand_dims(x, axis=0) 
            
            if('P' in f):
                y = np.repeat([[0,1]],x.shape[0], axis=0)
            else:
                y =np.repeat([[1,0]],x.shape[0], axis=0)
            yield(x,y)   
history=model.fit_generator(generate_arrays_for_training(indexPat, filesPath, end=75), 
                                validation_data=generate_arrays_for_training(indexPat, filesPath, start=75),
                                steps_per_epoch=int((len(filesPath)-int(len(filesPath)/100*25))), 
                                validation_steps=int((len(filesPath)-int(len(filesPath)/100*75))),
                                verbose=2,
                                epochs=15, max_queue_size=2, shuffle=True, callbacks=[callback])

Answer 1

如果您不想更改数据创建过程，可以在 fit 生成器中使用 class_weight。您可以使用字典来设置您的 class_weight 并通过微调进行观察。例如，当不使用 class_weight 时，class0 有 50 个示例，class1 有 100 个示例。然后，损失函数统一计算损失。这意味着 class1 将是一个问题。但是，当你设置：

class_weight = {0:2 , 1:1}

这意味着损失函数现在会给你的 0 类赋予 2 倍的权重。因此，对代表性不足的数据进行错误分类将受到比以前多 2 倍的惩罚。因此，模型可以处理不平衡的数据。

如果您使用class_weight='balanced' 模型可以自动进行该设置。但我的建议是，创建一个像class_weight = {0:a1 , 1:a2} 这样的字典，并为 a1 和 a2 尝试不同的值，这样你就可以理解差异了。

此外，您可以对不平衡数据使用欠采样方法，而不是使用 class_weight。为此目的检查 Bootstrapping 方法。