分类：如果一个类的数据量是另一个类的 4 倍，会发生啥？

Posted 2023-03-12

【中文标题】分类：如果一个类的数据量是另一个类的 4 倍，会发生啥？

【英文标题】：Classification: What happens if one class has 4 times as much data as the other class?分类：如果一个类的数据量是另一个类的 4 倍，会发生什么？

【发布时间】：2018-01-21 19:54:10

【问题描述】：

我正在尝试调试我的分类器的问题。问题是它总是为给定的输入预测相同的类，尽管准确率接近 80%。

我训练我的 CNN 来检测两个类别之间的差异。 A 类有 2575 个 jpeg，B 类有 665 个 jpeg。

这是否会导致我的 CNN 总是预测同一类？每个类中的项目数量之间是否存在太大的不平衡？一般来说，如果我使两个类的大小相同（665 jpegs？），我的性能会提高吗？

【问题讨论】：

我觉得还是在CrossValidated问比较好

【参考方案1】：

这个问题似乎是类不平衡的情况，有不同的方法来处理它：

加权损失： 您可以通过计算 weighted cross entropy 来惩罚多数损失函数的奖励。 重新采样数据： 正如您所提到的，您还可以对多数类进行下采样，以平衡这些类。您还可以对少数类进行上采样以使其平衡。 生成增强数据： 由于您正在处理图像，因此您可以对少数类进行上采样，然后在这些图像上使用 data augmentation，这可以解决类不平衡以及过拟合问题并提高泛化能力。 以及以上所有内容的组合。

【讨论】：

我喜欢你的回答@vijay。我想知道当数据增强仅应用于代表性不足的类时（3.）是否有害。分布的失真是否会对分类器的性能造成风险？

@Gegenwind 我的意思是对代表性不足的类进行上采样，然后对所有类应用数据增强。