如何以简单的方式在Keras中分配class_weight?

问题描述 投票:7回答:4

任何人都可以告诉我,当数据集不平衡时,在Keras中应用class_weight的最简单方法是什么?

我的目标中只有两个班级。

谢谢。

python tensorflow deep-learning keras
4个回答
13
投票

class_weight函数的fit()参数是将类映射到权重值的字典。

假设您有500个0级样本和1500个1级样本,而不是您在class_weight = {0:3,1:1}中提供的样本。这使得0级成为第1级重量的三倍。

train_generator.classes为您的加权提供正确的类名。

如果你想以编程方式计算,你可以使用scikit-learn的sklearn.utils.compute_class_weight()

该函数查看标签的分布并生成权重,以同等地惩罚训练集中的不足或过度表示的类。

另见这个有用的线程:https://github.com/fchollet/keras/issues/1875

这个帖子也可能有所帮助:Is it possible to automatically infer the class_weight from flow_from_directory in Keras?


11
投票

使用sklearn工具包中的class_weight。

我也使用这种方法来处理不平衡数据

from sklearn.utils import class_weight
class_weight = class_weight.compute_class_weight('balanced'
                                               ,np.unique(Y_train)
                                               ,Y_train)

然后是model.fit

Classifier.fit(train_X,train_Y,batch_size = 100, epochs = 10
           ,validation_data= (test_X,test_Y),class_weight = class_weight )

1
投票

您是否询问在代码中应用正确的权重或如何执行此操作?代码很简单:

class_weights = {}
    for i in range(2):
        class_weights[i] = your_weight

然后你在class_weight=class_weights传递参数model.fit

正确的加权使用是某种反向频率;你也可以做一些试验和错误。


0
投票

1-使用标签及其相关权重定义字典

class_weight = {0: 0.1,
                1: 1.,
                2: 2.}

2-将字典作为参数输入:

model.fit(X_train, Y_train, batch_size = 100, epochs = 10, class_weight=class_weight)
© www.soinside.com 2019 - 2024. All rights reserved.