所以我对图像有二进制分类问题，对于类a和b有平衡的数据集。
我每个班级有307张图片。我想问一下，当我拆分训练和测试数据集时，训练和测试是否也应针对每个班级进行平衡？或任何分割数据集的方法
答案 0 :(得分：1)
您可以使用sklearn.model_selection.StratifiedShuffleSplit，它使用分层随机抽样，比例随机抽样或配额随机抽样。这样可以使分布更好。
import numpy as np
from sklearn.model_selection import StratifiedShuffleSplit
# dummy dataset
X = np.array([[1, 2], [3, 4], [1, 2], [3, 4], [1, 2], [3, 4]])
y = np.array([0, 0, 0, 1, 1, 1])
sss = StratifiedShuffleSplit(n_splits=5, test_size=0.5, random_state=0)
sss.get_n_splits(X, y)
print(sss)
for train_index, test_index in sss.split(X, y):
print("TRAIN:", train_index, "TEST:", test_index)
X_train, X_test = X[train_index], X[test_index]
y_train, y_test = y[train_index], y[test_index]
对于CNN来说，307可能很低，您也可以使用数据增强来增加样本。