我正在尝试使用keras来拟合CNN模型以对图像进行分类。数据集具有来自某些类别的更多图像,因此其不平衡。
我在Keras中阅读了有关如何权衡损失以解决这一问题的其他方法,例如:https : //datascience.stackexchange.com/questions/13490/how-to-set-class-weights-for- imbalanced-classes-in -keras,这很好地解释了。但是,它总是解释为 fit ()函数,而不是 fit_generator ()一个。
确实,在fit_generator()函数中,我们没有’ class_weights ‘参数,但是我们有’ weighted_metrics ‘,我不理解它的描述:“ weighted_metrics:在训练过程中要由sample_weight或class_weight评估和加权的指标列表测试。”
如何从“ class_weights”传递到“ weighted_metrics”?有人能举一个简单的例子吗?
根据文档,我们class_weight在fit_generator( Keras v.2.2.2 )中:
class_weight
fit_generator
Class_weight :可选的字典,将类索引(整数)映射到权重(浮点)值,用于对损失函数加权(仅在训练过程中)。这可能有助于告诉模型“更多关注”来自代表性不足的类的样本。
假设您有两个类[ 正 和 负 ],则可以传递class_weight给fit_generatorwith:
model.fit_generator(gen,class_weight=[0.7,1.3])