使用加权 类 在 Keras 中评估 DenseNet 模型

Question

我正在使用 DenseNet 在 Keras 中进行二元分类。

创建加权 类：

# Assign weights
weight_for_0 = num_normal/(num_normal + num_covid)
weight_for_1 = num_covid/(num_normal + num_covid)
class_weight = {0: weight_for_0, 1: weight_for_1}

# Print
print(f"Weight for class 0: {weight_for_0:.2f}")
print(f"Weight for class 1: {weight_for_1:.2f}")

结果，我

Weight for class 0: 0.74
Weight for class 1: 0.26

我为模型安装了 class_weight

history_dense201_weighted = model_dense_201.fit_generator(train_generator, epochs = 20, 
validation_data = valid_generator, class_weight = class_weight, callbacks = [# mcp_save,                                                                                                                                                            
early_stopping, tensorboard_callback])

但是当我要评估模型时，我不确定如何评估加权模型，因为class_weight是历史的一部分。

如何更新此代码，而不是使用默认 model_dense_201 模型加权模型？

# Evaluation 
evaluation = model_dense_201.evaluate(valid_generator)
print(f"Validation Accuracy: {evaluation[1] * 100:.2f}%")
evaluation = model_dense_201.evaluate(train_generator)
print(f"Train Accuracy: {evaluation[1] * 100:.2f}%")

Answer 1

找到这个。

https://github.com/tensorflow/tensorflow/issues/35825

引自 Francois（又名 Chollet）：

“我们在评估中不支持 class 权重的原因是 class_weight 参数表示根据标签计算的样本权重，但标签不应作为输入评估期间的模型。在训练期间这很好，但在评估期间这表示数据从标签泄漏到您的指标。如果您在评估中使用 class 权重，您的分数将无法在真实测试数据上重现（当您没有标签）。

所以这在概念上是错误的。"