keras:：fit（）错误中的class_权重参数。类存在于数据中，但不存在于类中

我有一个稍微不平衡的数据集，我试图给它分配权重

中提供的示例不适用于我。当我尝试使用相同的代码时：

system.time ( 
  baseline_history <- fit (
    object           = model_baseline,            
    x                = as.matrix(x_train_tbl), 
    y                = y_train_vec,             
    batch_size       = 1024,    
    epochs           = 30,    
    class_weight = list("0" = 1, "1" = 1.67),
    validation_split = 0.2) )

我有点不知所措，因为我在class_weights中明确指出它是一个列表。我甚至试过

weights <- list("0" = 1, "1" = 1.67)
> weights
$`0`
[1] 1

$`1`
[1] 1.67

is.list(weights)
[1] TRUE

权重
$`0`
[1] 1
$`1`
[1] 1.67
is.列表（权重）
[1] 真的

---

为了确保它工作，但我仍然得到相同的错误。有什么想法吗？

我假设你有你的

y\u train\u vec

作为一个因素，这就是问题所在

出于某种原因，

class_weight

似乎不能很好地处理因子，因此您可以简单地将其更改为数值

y\u train\u vec=as.numeric（y\u train\u vec）

这将为您提供因子的内部表示（它将为您提供1和2的列表），然后您可以相应地指定

class\u权重

system.time(
基线检查历史
weights <- list("0" = 1, "1" = 1.67)
> weights
$`0`
[1] 1

$`1`
[1] 1.67

is.list(weights)
[1] TRUE