有沒有其他方法可以將 class 權重應用於 tensorflow neural.networks？

Question

我目前正在嘗試創建一個帶有多標簽目標變量的 Tensorflow DNN model，雖然我的代碼到目前為止沒有任何問題，但我正在使用的數據集的不平衡性質導致了一些問題。

根據 Keras 文檔中的建議，我對 model 應用了初始偏差。我還嘗試在 model 編譯 function 中啟用 class 權重參數，這就是我卡住的地方

https://github.com/tensorflow/tensorflow/issues/41448

如 GitHub 鏈接所示，此方法似乎存在一個已知錯誤，而我嘗試創建解決方法的嘗試根本沒有成功。 對於創建解決方法的任何建議，我將不勝感激，因為老實說，我自己也不知所措。 當前正在運行 Tensorflow 2.4

Answer 1

您使用的是 TensorFlow 的稍舊版本。這在使用 TensorFlow 2.7 和 Keras 2.7 的多類數據集中對我有用：

from sklearn.utils.class_weight import compute_class_weight


class_weights = compute_class_weight(class_weight="balanced", classes=np.unique(y_train),
                                     y=y_train)

model.fit(
    ...
    class_weight=dict(enumerate(class_weights))
)

y_train的值必須是[0, NUMBER_CLASSES - 1]范圍內的整數，此代碼才能正常工作。 您可以使用LabelEncoder完成此操作。

或者，您可以使用sample_weight而不是class_weight來完成同樣的事情（事實上， Keras 在內部將class_weight轉換為sample_weight ）。 在這里您可以找到有關這些參數的文檔。

其他易於實施且有效的解決數據不平衡的方法是過采樣和欠采樣，它們與使用class_weight具有類似的效果。 如果您在使用class_weight或sample_weight時遇到問題，您可以使用它們。