我正在尝试用 Keras 做一个二元分类问题，使用ImageDataGenerator.flow_from_directory 方法来生成批次。但是，我的类非常不平衡，比如一个类比另一个类多 8 倍或 9 倍，导致模型无法为每个示例预测相同的输出类。有没有办法将flow_from_directory 设置为在每个时期从我的小班进行过采样或从我的大班进行欠采样？目前，我刚刚在我的小班中创建了每个图像的多个副本，但我希望有更多的灵活性。
【问题讨论】：
标签： python machine-learning neural-network deep-learning keras
使用当前版本的 Keras - 仅使用 Keras 内置方法无法平衡您的数据集。 flow_from_directory 只是构建所有文件及其类的列表，对其进行洗牌（如果需要），然后对其进行迭代。
但是你可以做一个不同的技巧——通过编写你自己的生成器来实现python内部的平衡：
def balanced_flow_from_directory(flow_from_directory, options):
for x, y in flow_from_directory:
yield custom_balance(x, y, options)
这里的custom_balance 应该是一个函数，给定一个批处理(x, y) 正在平衡它并返回一个平衡的批处理(x', y')。对于大多数应用程序，批处理的大小不需要相同 - 但有一些奇怪的用例（例如 stateful RNN） - 其中批处理大小应该具有固定大小）。
【讨论】：
您可以做的一件事是在调用model.fit() 或model.fit_generator() 时设置class_weight 参数。
您还可以使用 sklearn 和 numpy 库轻松计算您的 class_weights，如下所示：
from sklearn.utils import class_weight
import numpy as np
class_weights = class_weight.compute_class_weight(
'balanced',
np.unique(train_generator.classes),
train_generator.classes)
然后，它变得像设置你的class_weights等于class_weight参数一样简单：
model.fit_generator(..., class_weight=class_weights)
【讨论】：
np.unique(train_generator.classes) 会以正确的顺序返回课程？
还可以计算每个类的文件个数，对class_weights进行归一化
files_per_class = []
for folder in os.listdir(input_foldr):
if not os.path.isfile(folder):
files_per_class.append(len(os.listdir(input_foldr + '/' + folder)))
total_files = sum(files_per_class)
class_weights = {}
for i in xrange(len(files_per_class)):
class_weights[i] = 1 - (float(files_per_class[i]) / total_files)
print (class_weights)
...
...
...
model.fit_generator(... ,class_weight=class_weights)
【讨论】：