Machine learning 使用KERA分类，不平衡类

我有一个二元分类问题，我正试图在Keras中解决。首先，我遵循通常的MNIST示例，在输出层中使用softmax作为激活函数

然而，在我的问题中，这两个类是高度不平衡的，1的出现频率是另一个类的10倍。更重要的是，它们是不对称的，这可能是错误的

将A误认为B远没有将B误认为A严重。就像穴居人试图将动物分为宠物和捕食者一样：将宠物误认为捕食者没什么大不了的，但反过来会致命

所以我的问题是：我将如何用Keras建立这样的模型

---

非常感谢

您可以做的事情的非详尽列表：

使用数据扩充生成平衡的数据集。如果数据是图像，则可以在中添加图像增强，这样可以在每个批中从每个类输出平衡的数据量，并将结果保存到新的数据集。如果数据是表格式的，则可以使用类似库的方法执行过采样/欠采样

正如@Daniel所说，你可以在训练中使用课时重量，在重要的课时犯错误会受到更大的惩罚。请参阅本教程：。同样的想法也可以在训练过程中使用带/不带class_重量的器械来实现

类_重量和自定义损耗。