用于生成器的 Keras class_weight
Keras class_weight for generators
这是一个问题的延续：
https://datascience.stackexchange.com/questions/22814/class-weighting-during-validation-in-keras
class_weight 可以在 Keras 中使用 fit 函数来告诉优化器对未表示的 class.根据 stackexchange 中的答案，在验证期间也会考虑它。例如，如果我的 class 比率是每 1 个正例对应 10 个负例，那么 0.8 的准确度分数就不太好（固定的 class 负例会做得更好）。我有两个问题：
- 在验证过程中 class_weight 究竟是如何考虑的？
- 如何在 fit_generator 中使用 class_weight？它与 fit 中的参数相同吗？
你的第一个问题，和训练时一样考虑。
基本上，如果你查看函数 weighted_masked_objective，单个样本乘以权重，然后返回平均值。（注意：Keras 不会自动设置 class 权重，你需要在 model.fit() 或 model.fit_generator()
传递权重
Class权重可以通过与频率成反比来计算。使用 sklearn
fit_generator 与 fit 相同，只是它需要一个生成器作为输入。
这是一个问题的延续： https://datascience.stackexchange.com/questions/22814/class-weighting-during-validation-in-keras
class_weight 可以在 Keras 中使用 fit 函数来告诉优化器对未表示的 class.根据 stackexchange 中的答案，在验证期间也会考虑它。例如，如果我的 class 比率是每 1 个正例对应 10 个负例，那么 0.8 的准确度分数就不太好（固定的 class 负例会做得更好）。我有两个问题：
- 在验证过程中 class_weight 究竟是如何考虑的？
- 如何在 fit_generator 中使用 class_weight？它与 fit 中的参数相同吗？
你的第一个问题，和训练时一样考虑。
基本上，如果你查看函数 weighted_masked_objective，单个样本乘以权重，然后返回平均值。（注意：Keras 不会自动设置 class 权重，你需要在 model.fit() 或 model.fit_generator()
Class权重可以通过与频率成反比来计算。使用 sklearn
fit_generator 与 fit 相同，只是它需要一个生成器作为输入。