Python Keras中的非平衡数据分类

我有一个由类a、B和D组成的数据集。127个样本中有100个样本a、26个样本B和1个样本D。如果忽略样本D，ANN的准确度约为%95。然而，我想建立一个模型，能够正确地对样本D进行分类，并成功地预测未来的D样本。有什么建议吗？

你可以大量预测你的D，以人为地创建更多的D实例，但一般来说，你必须有足够的数据来教算法所有类的可变性

---

如果您可以假设您的算法只显示A、B和D的图像，您可以尝试教它使用与所述方法类似的方法将A和B分类为D。

除非您的D的单个实例与A和B的每个实例极为不同，每一个新的D实例都将与你当前的一个D实例相似，你运气不好。谢谢你的评论。