如何以简单的方式在 Keras 中分配一个 class_weight？答案

【问题标题】：How can I assign a class_weight in Keras in a simple way?如何以简单的方式在 Keras 中分配一个 class_weight？
【发布时间】：2017-11-26 17:19:33
【问题描述】：

当数据集不平衡时，谁能告诉我在 Keras 中应用 class_weight 的最简单方法是什么？

我的目标中只有两个类。

谢谢。

【问题讨论】：

标签： python tensorflow deep-learning keras

【解决方案1】：

类权重采用字典类型。

from collections import Counter
itemCt = Counter(trainGen.classes)
maxCt = float(max(itemCt.values()))
cw = {clsID : maxCt/numImg for clsID, numImg in itemCt.items()}

【讨论】：

【解决方案2】：

1- 使用您的标签及其相关权重定义字典

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

2- 将字典作为参数提供：

model.fit(X_train, Y_train, batch_size = 100, epochs = 10, class_weight=class_weight)

【讨论】：

类是从 0 还是 1 命名的？

【解决方案3】：

fit() 函数的class_weight 参数是将类映射到权重值的字典。

假设您有 500 个 0 类样本和 1500 个 1 类样本，而不是您输入的 class_weight = {0:3 , 1:1}。这使 0 类的权重是 1 类的三倍。

train_generator.classes 为您提供适当的类名称以进行加权。

如果您想以编程方式计算，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，以同样惩罚训练集中代表不足或过度代表的类。

在这里也可以看到这个有用的帖子：https://github.com/fchollet/keras/issues/1875

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

【讨论】：

终于有一个清晰的例子了！似乎没有其他地方能说明权重是放大还是缩小
这应该是最佳答案 - 它回答了问题的内容（关于 Keras，而不是 scikit-learn），还提供了文档和解释。

【解决方案4】：

使用 sklearn 工具包中的 class_weight。

我也是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 )

【讨论】：

【解决方案5】：

您是在询问要应用的正确权重还是如何在代码中执行此操作？代码很简单：

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

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

使用的正确权重是某种逆频率；你也可以做一些试验和错误。

【讨论】：

谢谢，这就是我要找的东西