对不平衡的数据加权CNN回归？
对不平衡的数据加权CNN回归？
提问于 2019-07-30 23:10:37
我有一个CNN的回归，采取一个图像和输出浮点0-10。我的模型做得很好，但是我有一个严重的不平衡数据的问题，使我的模型对几乎所有的图像进行6-8的预测，但是实现了一个相当好的均方误差。我知道人们根据数据集的不平衡程度来加权他们的类。那么，有办法用回归模型来做到这一点吗？如果有帮助的话，我的输出就是一个浮点，但是我的所有数据都在0-10范围内间隔0.5，所以在某种程度上有20个不同的类。这是我的数据标签的分布情况。
据我所知，还有其他方法，例如：
- 对少数群体进行了过度抽样。
- 使用数据增强来复制少数群体的数据。
- 优化不同的性能度量。(不知道那会是什么)
有什么建议吗？谢谢。
回答 2
Stack Overflow用户
发布于 2019-07-30 23:20:43
您的数据最初可能代表了一个回归问题，但是在将其绑定到20个组之后，您将对您的模型进行 20类分类问题的培训。因此，你应该这样对待它，并寻找方法来消除这种不平衡。最普遍的方法是：
- 过采样少数类(Es)
- 欠采样占多数类(Es)
- 使用类权重
我通常更喜欢第一种，因为模型使用更多的数据往往做得更好，但是第三种模型更容易实现，并且不会给培训增加额外的计算成本。
Stack Overflow用户
发布于 2019-07-30 23:21:27
击打是一种流行的过采样技术.
至于优化不同的度量，一种选择是优化加权损失，其中权重与类表示的逆成正比。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/57281177
复制相关文章
相似问题
腾讯云开发者
