如何在Keras中使用fit_generator（）加权类？[关闭]

Question

关闭。 此问题不符合堆栈溢出准则。它当前不接受答案。

---

想改善这个问题吗？ 更新问题，使其成为Stack Overflow的主题。

去年关闭。

改善这个问题

我正在尝试使用keras来拟合CNN模型以对图像进行分类。数据集具有来自某些类别的更多图像，因此其不平衡。

我在Keras中阅读了有关如何权衡损失以解决这一问题的其他方法，例如：https :
//datascience.stackexchange.com/questions/13490/how-to-set-class-weights-for-
imbalanced-classes-in
-keras
，这很好地解释了。但是，它总是解释为 fit
（）函数，而不是 fit_generator （）一个。

确实，在fit_generator（）函数中，我们没有’ class_weights ‘参数，但是我们有’ weighted_metrics
‘，我不理解它的描述：“ weighted_metrics：在训练过程中要由sample_weight或class_weight评估和加权的指标列表测试。”

如何从“ class_weights”传递到“ weighted_metrics”？有人能举一个简单的例子吗？

Answer 1

根据文档，我们class_weight在fit_generator（
Keras v.2.2.2 ）中：

Class_weight
：可选的字典，将类索引（整数）映射到权重（浮点）值，用于对损失函数加权（仅在训练过程中）。这可能有助于告诉模型“更多关注”来自代表性不足的类的样本。

假设您有两个类[ 正 和 负 ]，则可以传递class_weight给fit_generatorwith：

model.fit_generator(gen,class_weight=[0.7,1.3])