Tensorflow 非平衡张量流模型的权重策略

我想从一个不平衡的数据集中训练一个tensorflow DNNClasifier模型。每个样本都有一个“质量”值，表示样本的相对相关性。我想我可以用权重来表示这种相关性。我读到权重特征与损失相乘。在这种情况下，“良好”样品的重量可能较低。准确吗？

你说的“好样品”是什么意思？在不平衡的情况下，您将有两种样本—数量较多的样本和数量较少的样本

---

重量越大的应该越轻，重量越小的应该越重。我们基本上是通过扩大损失使模型更加关注少量样本。

正如Pankaj Kabra正确指出的那样，不清楚“好”样本的含义。如果你想给他们更多的重视，你应该更重视这些例子；相反，如果这些是数量最多的样本，并且你不希望网络仅仅因为样本较多而偏向于它们，那么你就需要减少它们的权重

最经典的方法有两种：

根据其类别，乘以每个样品的重量损失。这意味着，如果你正在评估数量较多的类别的损失，你必须乘以其值以获得较小的重量；反之亦然，如果你处理的是最小的类，那么权重必须更大。例如，您可以使用以下方式计算的权重：

w\u class=1.0/（此类的样本数）

样本平衡小批量，其中两类的数量相同

“好”的样品意味着我想偏爱它们，所以我不得不超重。谢谢你的回答