我正在针对二进制分类问题在非常不平衡的数据集上训练深度CNN。我有90％的0％和10％的1％。为了惩罚1的错误分类，我使用的是由sklearn的compute_class_weight（）确定的class_weight。在传递给fit_generator（）的验证元组中，我使用的是由sklearn的compute_sample_weight（）计算的sample_weight。
网络似乎学得很好，但在每个时代之后，验证准确率仍然是90％或10％。考虑到我已经采取的克服它的步骤，如何解决Keras中的数据不平衡问题？
fit_generator的图片：fit_generator()
日志输出图片：log outputs
答案 0 :(得分：0)
奇怪的是，你的val_accuracy从0.9跳到0.1然后又回来了。你有正确的学习率吗？尽量降低它。
我的建议是：也使用f1指标。
你是如何拆分数据的？列车集类在测试集中具有相同的速率？
