Keras多输出：如何在不影响其他输出的情况下将类别权重应用于一个输出

Question

我有一个共享相同后端的多输出put模型。我已将类权重应用于其中一个输出，这导致该特定输出中的结果得到了改善。但是，它对其他输出有负面影响（准确性降低）。之所以会发生这种情况，是因为具有类权重的输出可能会影响后端模型中的权重，所有其他输出都共享该权重。

有没有办法解决这个问题？

Answer 1

使用加权类有多种原因，其中两个是：-

1. 当某些类别非常重要时，对这些类别进行错误分类会产生很高的成本。
2. 当数据集是不平衡的时。

在两种情况下，为课程分配权重都会使模型在训练时更加关注高权重的课程，而较少关注低权重的课程。 对于案例1，与权重较低的类别相比，该模型对于高权重的类别而言效果更好，那么这是一件好事。对于第二种情况，这可能是有问题的。一种可能的解决方案是寻找最佳的权重组合。可以通过尝试错误法或使用hyper-parameter optimization技术（例如网格搜索）来找到。