如何平衡numpy數組中的類？

Question

我有2個numpy的陣列如下：

images包含圖像的文件的名稱（images.shape是（N，3，128，128））： image_1.jpg image_2.jpg image_3.jpg image_4.jpg

labels包含相應的標籤（0-3）（labels.shape是（N））： 1 1 3 2

我面對的問題是，這些類是不平衡，用3類>> 1> 2> 0

我想，以平衡由最終的數據集：

• 每班
• 計數圖像（樣本）的數量獲取類的計數與最低的數字圖像
• 使用該計數爲圖像/標籤的對於其他3個類別的最大數目
隨機
• 彈出過量圖像/在images從其他3類標籤和labels

到目前爲止，我使用Counter以確定每類圖像的數量：

from Collections import Counter 
import numpy as np 

count = Counter(labels) 
print(count) 

>>>Counter({'1': 2991, '0': 2953, '2': 2510, '3': 2488}) 

你會如何建議我隨機images和labels所以它們包含的類0，1 2488個樣本流行元素相匹配，和2？

Answer 1

你可以使用np.random.choice創建一個整數值面膜，你可以應用到你的標籤和圖片來平衡數據集：

n = 2488 

mask = np.hstack([np.random.choice(np.where(labels == l)[0], n, replace=False) 
         for l in np.unique(labels)])