卷积神经网络中的不平衡类

Question

我有一个分类问题，其中感兴趣的类只有数据集的7％，整个人口大约有1200个观察值。

据我所知，来自Keras的ImageDataGenerator有助于增加数据以在训练模型之前增加观察次数，但是是否可以只增加一个类，如增加噪声，模糊或仅对少数类进行变换？

Answer 1

你既可以尝试与配合（）函数，它接受一个字典映射类的权重值class_weight参数平衡。你甚至可以使用sklearn来计算适当的类别权重。见PSCS答案在这里：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与flow_from_directory（）和图像增强运行保存到与save_to_dir参数从而产生代表性不足类的多个实例的目录：https://keras.io/preprocessing/image/#imagedatagenerator

对于假运行你只提供你想要更多样本的班级样本。

然后，您可以使用您的平衡训练和验证数据进行实际训练。

Answer 2

有一个机器学习工具包，允许您对图像进行增强处理，包括变换，缩放/ Strech，噪声和模糊。

的图像增强因子可以在这里找到： https://github.com/codebox/image_augmentor