卷積神經網絡中的不平衡類

Question

我有一個分類問題，其中感興趣的類只有數據集的7％，整個人口大約有1200個觀察值。

據我所知，來自Keras的ImageDataGenerator有助於增加數據以在訓練模型之前增加觀察次數，但是是否可以只增加一個類，如增加噪聲，模糊或僅對少數類進行變換？

Answer 1

你既可以嘗試與配合（）函數，它接受一個字典映射類的權重值class_weight參數平衡。你甚至可以使用sklearn來計算適當的類別權重。見PSCS答案在這裏：https://datascience.stackexchange.com/questions/13490/how-to-set-class-weights-for-imbalanced-classes-in-keras

或者你可以使用Keras ImageDateGenerator與flow_from_directory（）和圖像增強運行保存到與save_to_dir參數從而產生代表性不足類的多個實例的目錄：https://keras.io/preprocessing/image/#imagedatagenerator

對於假運行你只提供你想要更多樣本的班級樣本。

然後，您可以使用您的平衡訓練和驗證數據進行實際訓練。

Answer 2

有一個機器學習工具包，允許您對圖像進行增強處理，包括變換，縮放/ Strech，噪聲和模糊。

的圖像增強因子可以在這裏找到： https://github.com/codebox/image_augmentor