Machine learning 二元分类
我目前正试图利用卫星图像识别苹果园。我面临的一个小问题是每个班级代表性数据的数量 事实上,我的问题是: 在我的“非苹果”类中,是否有可能在每个时代随机拍摄一些不同的图像,因为我有更多的论文(与“苹果”类相比),我希望增加网络将不具有代表性的图像分类的概率Machine learning 二元分类,machine-learning,classification,keras,training-data,Machine Learning,Classification,Keras,Training Data,我目前正试图利用卫星图像识别苹果园。我面临的一个小问题是每个班级代表性数据的数量 事实上,我的问题是: 在我的“非苹果”类中,是否有可能在每个时代随机拍摄一些不同的图像,因为我有更多的论文(与“苹果”类相比),我希望增加网络将不具有代表性的图像分类的概率 提前感谢您的帮助,这在Keras中是不可能的。默认情况下,Keras将洗牌您的训练数据,然后以小批量方式进行训练。但是,仍然有一些方法可以重新平衡数据集 您面临的训练数据不平衡问题非常常见。你有很多选择;我列举了以下几点: 您可以使用model
提前感谢您的帮助,这在Keras中是不可能的。默认情况下,Keras将洗牌您的训练数据,然后以小批量方式进行训练。但是,仍然有一些方法可以重新平衡数据集 您面临的训练数据不平衡问题非常常见。你有很多选择;我列举了以下几点:
model.fit()
函数的class\u weight
关键字调整类的相对权重李>
杰森·布朗利(Jason Brownlee)已经将这些信息整合在一起,可能对您也很有用。谢谢!我将扩充我的苹果数据集,这似乎是个好计划:)