分类：如果一个类的数据量是另一个类的4倍，会发生什么？

Question

我正在尝试使用分类器调试问题。问题在于它总是为给定的输入预测相同的类，尽管准确度接近80％。

我训练我的CNN来检测两个班级之间的差异。 A级有2575个jpegs，B级有665个jpegs。

这是否会导致我的CNN问题始终预测同一个类？这是每个班级中的项目之间的不平衡吗？一般来说，如果我使两个类的大小相同（665 jpegs？），我的表现会有所改善吗？

Answer 1

问题似乎是类不平衡的情况，并且有不同的方法来处理它：

1. 加权损失：    您可以通过计算weighted cross entropy来惩罚多数损失函数的奖励。
2. 重新采样数据： 正如您所提到的，您还可以对多数类进行下采样，以平衡类。您还可以对少数类进行上采样，使其均匀。
3. 生成扩充数据： 由于您正在处理图像，因此可以对少数类进行上采样，然后对这些图像使用data augmentation，这样就可以解决类不平衡问题以及解决过度拟合和改进泛化。
4. 以及上述所有内容的组合。