Python 如何在Keras中使用fit_generator（）平衡数据集？

我试图使用keras来拟合CNN模型，对两类数据进行分类。我的数据集不平衡，我想平衡数据。我不知道是否可以在

模型中使用class\u权重。安装发电机
。我想知道我是否在
模型中使用了
class\u weight=“balanced”

主代码：

def generate_arrays_for_training(indexPat, paths, start=0, end=100):      
    while True:
        from_=int(len(paths)/100*start)
        to_=int(len(paths)/100*end)
        for i in range(from_, int(to_)):
            f=paths[i]
            x = np.load(PathSpectogramFolder+f) 
            x = np.expand_dims(x, axis=0) 
            
            if('P' in f):
                y = np.repeat([[0,1]],x.shape[0], axis=0)
            else:
                y =np.repeat([[1,0]],x.shape[0], axis=0)
            yield(x,y)   
history=model.fit_generator(generate_arrays_for_training(indexPat, filesPath, end=75), 
                                validation_data=generate_arrays_for_training(indexPat, filesPath, start=75),
                                steps_per_epoch=int((len(filesPath)-int(len(filesPath)/100*25))), 
                                validation_steps=int((len(filesPath)-int(len(filesPath)/100*75))),
                                verbose=2,
                                epochs=15, max_queue_size=2, shuffle=True, callbacks=[callback])


如果不想更改数据创建过程，可以在fit generator中使用
class\u weight
。您可以使用字典设置类权重，并进行微调观察。例如，当未使用class_weight时，类0有50个示例，类1有100个示例。然后，损失函数统一计算损失。这意味着1级将是一个问题。但是，当您设置：

class_weight = {0:2 , 1:1}

这意味着损失函数现在将给你的0类2倍的权重。因此，对代表性不足的数据进行错误分类将比以前受到2倍多的惩罚。因此，该模型可以处理不平衡数据

如果使用
class\u weight='balanced'
model可以自动进行该设置。但我的建议是，创建一个类似于
class_weight={0:a1，1:a2}
的字典，并尝试为a1和a2使用不同的值，这样您就可以理解差异

此外，还可以对不平衡数据使用欠采样方法，而不是使用class_权重。为此，请选中引导方法。
您可以像这样使用类权重。@HweiGeokNg我希望数据均衡。我该怎么做？请查看此博客：。有一个名为compute_class_weight（）的函数，可以用作class_weight的参数。@HweiGeokNg我知道这个函数，但我的数据集中没有x_train和y_train，我使用
为_training生成数组
函数。请检查我将使用此功能的代码。抱歉，我错过了该信息。我帮不了你，希望有人能来帮忙。非常感谢你的解决方案。我想问我如何确定a1和a2的值，我不知道a1和a2应该写什么值？？你们可以找到两个类之间的比率。例如，若class1中的实例数是class2的2倍，那个么可以指定class_weight={class1:1，class2:2}，反之亦然。重要的一点是比率。顺便说一句，您可以使用
train\u generator.classes
为class1和class2指定类名来查找类名。非常好。非常感谢我的理解。好的，我如何使用
列车生成器。类
？我想在你的问题中
列车生成器。类
是不必要的。另外，您可以在这里查看更多信息