【问题标题】:Imbalanced data classification in KerasKeras 中的不平衡数据分类
【发布时间】:2018-12-09 17:57:39
【问题描述】:

我有一个由 ABD 类组成的数据集。在 127 个样本中有 100 个样本 A、26 个样本 B 和 1 个样本 D。如果我忽略样本 D,则使用 ANN 的准确度约为 %95。但是,我想建立一个可以正确分类样本 D 并成功预测未来D 样本的模型。有什么建议吗?

【问题讨论】:

  • 除非您的 D 的单个实例与 A 和 B 的每个实例都大不相同,AND D 的每个新实例都将与您当前的 D 实例相似,您'运气不好。
  • 感谢您的评论。

标签: python keras classification


【解决方案1】:

您可以极大地增强您的 D 以人为地“创建”更多 D 实例,但通常您必须有足够的数据来教导算法所有类的可变性。

如果您可以假设您的算法仅显示来自 A、B 和 D 的图像,您可以尝试教它将“既不是 A 也不是 B”分类为 D,使用类似于 here 描述的方法。

【讨论】:

    猜你喜欢
    • 2020-03-01
    • 2019-08-27
    • 2019-09-05
    • 2018-09-23
    • 1970-01-01
    • 2020-06-18
    • 2019-09-07
    • 2020-06-27
    • 1970-01-01
    相关资源
    最近更新 更多