Question

我正在尝试使用高度不平衡的数据集执行二进制分类。我的目标值是0（84％）和1（16％）。我在我的模型中使用了class_weight，但是少数类的精度和召回总是0.我不确定我是否正确使用class_weights。真的很感激任何帮助！

以下是我的代码：

class_weight = {0:1,1:50}
numpy.random.seed(5)

model = Sequential()
model.add(Dense(13,input_dim = 5, activation='relu'))
model.add(Dense(13, activation='relu'))
model.add(Dense(10, activation='relu'))
model.add(Dense(1, activation='sigmoid'))

model.compile(loss="binary_crossentropy", optimizer = "adam", metrics = ['accuracy'])
model.fit(X_train,Y_train, epochs = 10, batch_size = 30, class_weight = class_weight, validation_data = (X_test, Y_test))
preds = model.predict_classes(X_test)
print (classification_report(Y_test, preds))

           precision    recall  f1-score   support

      0       0.83      1.00      0.91     24126
      1       0.00      0.00      0.00      4879

Answer 1

没有足够的声誉来添加评论。因此写作作为答案。

您说您的班级失衡是84:16（大约5：1），但您发送的班级2是班级1的50倍。尝试在5-10之间输入一些值

Answer 2

据我所知，你正确使用它。但我不确定数据集的不平衡比率。如果你愿意，scikit-learn有一个function可以为你计算。

话虽如此，我个人更喜欢过重/欠抽样来分类。我最成功的算法称为SMOTE。你一定要试一试。

不平衡数据的class_weight - Keras

2 个答案: