python - Keras:one-hot编码的类权重(class_weight)

Question

我想在 keras model.fit 中使用 class_weight 参数来处理不平衡的训练数据。通过查看一些文档，我了解到我们可以像这样传递一个字典:

class_weight = {0 : 1,
    1: 1,
    2: 5}

(在本例中，class-2 将在损失函数中得到更高的惩罚。)

问题是我的网络的输出具有单热编码，即 class-0 = (1, 0, 0)，class-1 = (0, 1, 0)，class-3 = (0, 0, 1).

我们如何使用 class_weight 进行单热编码输出？

通过查看 some codes in Keras ，看起来 _feed_output_names 包含输出类列表，但在我的例子中，model.output_names/model._feed_output_names 返回 [ 'dense_1']

相关:How to set class weights for imbalanced classes in Keras?

Answer 1

这是一个更短、更快的解决方案。如果你的 one-hot 编码的 y 是一个 np.array:

import numpy as np
from sklearn.utils.class_weight import compute_class_weight

y_integers = np.argmax(y, axis=1)
class_weights = compute_class_weight('balanced', np.unique(y_integers), y_integers)
d_class_weights = dict(enumerate(class_weights))

d_class_weights 然后可以传递给 .fit 中的 class_weight。