我有一个包含两个类别的不平衡数据集。我使用的是categorical_crossentropy。我想了解我的代码是否正确。使用class_weight和categorical_crossentropy是否合适？如果是，class_weight是只应用于训练集还是整个数据集？

我已经搜索了很多次，但没有找到任何有帮助的网站。任何帮助都将不胜感激。

我的代码：

model.compile(loss='categorical_crossentropy', optimizer=opt_adam, metrics=['accuracy'])history=model.fit_generator(generate_arrays_for_training(indexPat, train_data, start=0,end=100)validation_data=generate_arrays_for_training(indexPat, test_data, start=0,end=100)steps_per_epoch=int((len(train_data)/2)),                                 validation_steps=int((len(test_data)/2)),                                verbose=2,class_weight = {0:1, 1:1.181},                                epochs=65, max_queue_size=2, shuffle=True)

回答：

是的，你可以将类权重与分类交叉熵一起使用。这些权重在计算损失函数时被应用。错误分类会根据权重进行惩罚。因此，权重既不应用于验证集，也不应用于测试集。训练时的理念是模型会对某个类别给予更多关注，并相应地更新权重。

因此，在测试或验证时，学习到的权重会隐式地根据类权重产生偏差。

你代码中唯一可能的问题可能是类权重。可能权重要加起来等于1，但你应该查看库的详细信息来确认这一点。