如何平衡numpy数组中的类？

Question

我有2个numpy数组如下：

images 包含图片文件的名称（images.shape为（N，3,128,128））： image_1.jpg image_2.jpg image_3.jpg image_4.jpg

labels 包含相应的标签（0-3）（labels.shape是（N，））： 1 1 3 2

我面临的问题是这些课程是不平衡的，第3课＆gt;＆gt; 1> 2＆gt; 0.

我想通过以下方式平衡最终数据集：

• 计算每个班级的图像（样本）数量
• 获取具有最少图像数量的类的计数
• 将该计数用作其他3个类的最大图像/标签数
• 随机弹出images和labels
中其他3个班级的多余图片/标签

到目前为止，我正在使用Counter来识别每个类的图像数量：

from Collections import Counter
import numpy as np

count = Counter(labels)
print(count)

>>>Counter({'1': 2991, '0': 2953, '2': 2510, '3': 2488})

您如何建议我随机弹出images和labels中的匹配元素，以便它们包含2488个0,1和2类的样本？

Answer 1

您可以使用np.random.choice创建一个整数值掩码，您可以将其应用于标签和图像以平衡数据集：

n = 2488

mask = np.hstack([np.random.choice(np.where(labels == l)[0], n, replace=False)
                      for l in np.unique(labels)])