Keras发电机的class_weight

Question

这是一个问题的继续： https://datascience.stackexchange.com/questions/22814/class-weighting-during-validation-in-keras

可以在Keras的 fit 函数中使用

class_weight 来告诉优化器对不足表示的类进行加权。根据stackexchange中的答案，它也在验证期间被考虑。例如，如果我的班级比率是每1个阳性10个阴性，那么准确度得分0.8不太好（在阴性上使用固定的分类器会更好）。我有两个问题：

• 在验证过程中如何精确考虑class_weight？
• 如何在 fit_generator 中使用class_weight？是否与 fit 中的参数相同？

Answer 1

第一个问题，与培训期间的问题相同。

基本上，如果您查看函数weighted_masked_objective，则将单个样本乘以权重，然后返回均值。（注意：Keras不会自动设置类权重，您需要在以下位置传递权重model.fit()或model.fit_generator()

班级权重可以通过与频率成反比来计算。使用sklearn

fit_generator与fit相同，除了它使用生成器作为输入。