如何处理 CheXpert 数据的不平衡数据集，用于放射摄影图像的分类问题答案

【问题标题】：How to handle imbalanced dataset for CheXpert data on a classification problem from radiography images如何处理 CheXpert 数据的不平衡数据集，用于放射摄影图像的分类问题
【发布时间】：2019-11-21 04:01:59
【问题描述】：

我正在研究更具体的使用 CNN 和 DNN 的图像分类问题。但是手头的数据是高度不平衡的，因此会给出高度倾斜的结果。它预测一切为真或一切为假。

我已经尝试过 SMOTE 方法，但有人对如何处理此问题有其他建议吗？

【问题讨论】：

标签： keras deep-learning conv-neural-network imbalanced-data

【解决方案1】：

你的问题有点开放。如果您向我们提供有关数据的想法（例如数据大小、您尝试过的模型等），那就太好了，因为这将有助于从社区中获得相关的答案。

我们通常面临的最重要的问题之一是处理不平衡的数据。然而，有一些基本的方法可以处理这个问题，比如图像增强技术来增加样本数量。

但由于模型的复杂性，您的结果也可能存在偏差。正如您提到的数据较少，它可能很容易过拟合。因此，请尝试绘制训练测试准确度和损失图，以了解它何时会导致过度拟合。

另一种可能有帮助的方法是图像的大小。对于模型提取特征来说，通常的 64x64 尺寸可能非常小。尝试增加尺寸，使用彩色图像而不是转换为灰度图像，并且一定要增强图像。

【讨论】：

我尝试了数据增强。但对我来说效果很好的一种方法是 SMOTE 方法。虽然速度很慢。