我有一个分类问题，其中感兴趣的类别仅占数据集的7%，整个数据集大约有1200个观测值。

我知道Keras中的ImageDataGenerator可以帮助通过数据增强来增加训练模型前的观测值数量，但是是否可以只对一个类别进行增强，比如只对少数类别添加噪声、模糊处理或进行变换？

回答：

你可以尝试使用fit()函数中的class_weight参数来平衡数据，该参数接受一个将类别映射到权重值的字典。你甚至可以使用sklearn来计算适当的类别权重。请参考PScs的回答：https://datascience.stackexchange.com/questions/13490/how-to-set-class-weights-for-imbalanced-classes-in-keras

或者你可以使用Keras的ImageDateGenerator与flow_from_directory()函数，并使用save_to_dir参数将图像增强运行保存到目录中，从而生成更多代表性不足的类别的样本：https://keras.io/preprocessing/image/#imagedatagenerator

在那个虚拟运行中，你只提供你想要更多样本的类别的样本。

然后你可以使用平衡后的训练和验证数据进行实际训练。