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的更多图像，因此其不平衡。
我在Keras中读了关于如何权衡损失以解决这一问题的另一件事，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 fit （）函数，而不是 fit_generator （）函数。
实际上，在fit_generator（）函数中，我们没有' class_weights '参数，但是我们有' weighted_metrics '，我不理解其描述：“ weighted_metrics：在训练和测试期间要通过sample_weight或class_weight评估和加权的指标列表。“
如何从“ class_weights”传递到“ weighted_metrics”？有人能举一个简单的例子吗？
答案 0 :(得分：7)
根据docs，我们在class_weight中有fit_generator（ Keras v.2.2.2 ）：
Class_weight ：可选的将类索引（整数）映射到的字典 权重（浮动）值，用于对损失函数（在 仅培训）。告诉模型“多付钱”可能很有用 注意”来自代表性不足的班级的样本。
假设您有两个类[ positive 和 negative ]，则可以通过以下方式将class_weight传递给fit_generator：
model.fit_generator(gen,class_weight=[0.7,1.3])