如何处理Keras中的不平衡班级

我正在使用

Keras

处理一个

multi-label

图像分类问题，因此我使用了来自\u dataframe（）和

fit\u generator（）的函数
flow\u

我有大约2000个
类，你可以猜到它们是高度倾斜/不平衡的。搜索一段时间后，我遇到了参数
class\u weight
和
classes
，我决定试一试。我的问题是，我不确定我是否正确使用了它们。以下是一个例子：

假设我已展平所有类引用，以便获得以下（重复）标签列表：

这是计算
类
和
类权重
的函数：

from collections import Counter
def get_classes_weights(l, n):
    counter = Counter(l).most_common(n)
    classes = [cls for cls, ocu in counter]
    majority = max([ocu for cls, ocu in counter])
    weights = {idx: float(majority/ocu) for idx, (cls, ocu) in enumerate(counter)}
    return classes, weights

我们也假设我只考虑Top-2类：
classes, class_weight = get_classes_weights(labels, 2)

这使得：

classes: ['classD', 'classA']

以及：

最后，这是我在函数中使用它们的方式：

generator_train.flow_from_dataframe(
    classes=classes,
)

因此，我的问题是：


鉴于我正在处理一个
多标签
图像分类问题，上述方法是否是应用权重的正确方法
我的验证集是否需要平衡，或者如果它来自与训练集相同的分布（分别为20%和80%随机选择），那么它是否正常

class_weight: {0: 1.0, 1: 1.5}

generator_train.flow_from_dataframe(
    classes=classes,
)

model.fit_generator(
    class_weight=class_weight
)