我正在尝试使用Keras训练一个CNN模型来分类两类数据。我的数据集不平衡，我希望能够平衡数据。我不知道能否在model.fit_generator中使用class_weight。我想知道如果在model.fit_generator中使用class_weight="balanced"会怎么样

主要代码：

def generate_arrays_for_training(indexPat, paths, start=0, end=100):          while True:        from_=int(len(paths)/100*start)        to_=int(len(paths)/100*end)        for i in range(from_, int(to_)):            f=paths[i]            x = np.load(PathSpectogramFolder+f)             x = np.expand_dims(x, axis=0)                         if('P' in f):                y = np.repeat([[0,1]],x.shape[0], axis=0)            else:                y =np.repeat([[1,0]],x.shape[0], axis=0)            yield(x,y)   history=model.fit_generator(generate_arrays_for_training(indexPat, filesPath, end=75),                                 validation_data=generate_arrays_for_training(indexPat, filesPath, start=75),                                steps_per_epoch=int((len(filesPath)-int(len(filesPath)/100*25))),                                 validation_steps=int((len(filesPath)-int(len(filesPath)/100*75))),                                verbose=2,                                epochs=15, max_queue_size=2, shuffle=True, callbacks=[callback])

回答：

如果你不想改变数据生成过程，你可以在你的fit generator中使用class_weight。你可以使用字典来设置你的class_weight，并通过微调来观察效果。例如，当不使用class_weight时，如果class0有50个样本，class1有100个样本，那么损失函数会均匀计算损失。这意味着class1会成为一个问题。但是，当你设置：

class_weight = {0:2 , 1:1}

这意味着损失函数现在会对class 0赋予两倍的权重。因此，对代表性不足的数据进行错误分类的惩罚将比以前增加两倍。这样，模型就可以处理不平衡的数据了。

如果你使用class_weight='balanced'，模型可以自动进行这种设置。但我的建议是，创建一个像class_weight = {0:a1 , 1:a2}这样的字典，并尝试不同的a1和a2值，这样你可以了解其中的差异。

此外，你也可以使用欠采样方法来处理不平衡数据，而不使用class_weight。为此，请查看自助法方法。