Keras 如何处理CheXpert数据的不平衡数据集&一个放射图像分类问题

我正在使用CNN和DNN来解决一个图像分类问题。但手头的数据高度不平衡，因此得出的结果极不平衡。它预测一切都是真的，或一切都是假的

---

我尝试过SMOTE方法，但有人对如何处理这个问题有其他建议吗？

你的问题有点没有定论。如果你能给我们一个关于数据的想法，比如数据大小，你尝试的模型等等，那就太好了，因为这将有助于从社区获得相关的答案

我们通常面临的最重要的问题之一是处理不平衡数据。然而，有一些基本的方法来处理这个问题，比如图像增强技术来增加样本数量

但由于模型的复杂性，您的结果也可能有偏差。它可能很容易过度拟合，因为您提到数据较少。因此，请尝试绘制列车测试精度和损失图，以了解何时会导致过度拟合

---

另一个可能有用的方法是图像的大小。通常尺寸为64x64的模型可能非常小，无法提取特征。尝试增大大小，使用彩色图像而不是转换为灰度，并明确地增强图像。

我尝试了数据增强。但有一种方法对我很有效，那就是斯莫特方法。虽然很慢。