Keras:one-hot 编码的类权重(class_weight)
Posted
技术标签:
【中文标题】Keras:one-hot 编码的类权重(class_weight)【英文标题】:Keras: class weights (class_weight) for one-hot encoding 【发布时间】:2017-09-14 20:13:27 【问题描述】:我想在 keras model.fit 中使用 class_weight 参数来处理不平衡的训练数据。通过查看一些文档,我了解到我们可以像这样传递字典:
class_weight = 0 : 1,
1: 1,
2: 5
(在这个例子中,class-2 会在损失函数中得到更高的惩罚。)
问题是我的网络输出有 one-hot 编码,即 class-0 = (1, 0, 0), class-1 = (0, 1, 0) 和 class-3 = (0, 0, 1).
我们如何将 class_weight 用于 one-hot 编码输出?
通过查看some codes in Keras,看起来_feed_output_names
包含输出类列表,但在我的情况下,model.output_names
/model._feed_output_names
返回['dense_1']
相关:How to set class weights for imbalanced classes in Keras?
【问题讨论】:
【参考方案1】:这是一个更短、更快的解决方案。如果您的 one-hot 编码 y 是 np.array:
import numpy as np
from sklearn.utils.class_weight import compute_class_weight
y_integers = np.argmax(y, axis=1)
class_weights = compute_class_weight('balanced', np.unique(y_integers), y_integers)
d_class_weights = dict(enumerate(class_weights))
d_class_weights
然后可以在.fit
中传递给class_weight
。
【讨论】:
对我来说,将class_weight
作为一个 numpy 数组传递,而不将其转换为在 model.fit()
函数中工作的字典。
@tsveti_iko 发送类权重不适用于一个热编码 elif isinstance(class_weight, dict): ... else: return np.ones((y.shape[0],), dtype=K.floatx())
您必须为其提供样本权重,例如 class_weight.compute_sample_weight('balanced', y_train)
使用 sklearn【参考方案2】:
我想我们可以改用sample_weights
。实际上,在 Keras 内部,class_weights
被转换为 sample_weights
。
sample_weight:与 x 长度相同的可选数组,包含 应用于每个样本的模型损失的权重。如果是 时态数据,您可以传递具有形状的二维数组(样本, sequence_length),对每个时间步应用不同的权重 每个样本。在这种情况下,您应该确保指定 compile() 中的 sample_weight_mode="temporal"。
https://github.com/fchollet/keras/blob/d89afdfd82e6e27b850d910890f4a4059ddea331/keras/engine/training.py#L1392
【讨论】:
sample_weight_mode="temporal" 如何帮助处理多类 one-hot 编码目标?您是否知道如何处理每个样本可以占用多个班级的情况?谢谢【参考方案3】:有点复杂的答案,但到目前为止我找到的最好的答案。这假设您的数据是 one-hot 编码的、多类的,并且仅适用于标签 DataFrame df_y
:
import pandas as pd
import numpy as np
# Create a pd.series that represents the categorical class of each one-hot encoded row
y_classes = df_y.idxmax(1, skipna=False)
from sklearn.preprocessing import LabelEncoder
# Instantiate the label encoder
le = LabelEncoder()
# Fit the label encoder to our label series
le.fit(list(y_classes))
# Create integer based labels Series
y_integers = le.transform(list(y_classes))
# Create dict of labels : integer representation
labels_and_integers = dict(zip(y_classes, y_integers))
from sklearn.utils.class_weight import compute_class_weight, compute_sample_weight
class_weights = compute_class_weight('balanced', np.unique(y_integers), y_integers)
sample_weights = compute_sample_weight('balanced', y_integers)
class_weights_dict = dict(zip(le.transform(list(le.classes_)), class_weights))
这会产生一个 sample_weights
向量来平衡一个不平衡的数据集,该数据集可以传递给 Keras sample_weight
属性,以及一个 class_weights_dict
可以馈送到 .fit
中的 Keras class_weight
属性方法。您真的不想同时使用两者,只需选择一个即可。我现在正在使用class_weight
,因为让sample_weight
与fit_generator
一起工作很复杂。
【讨论】:
对我来说,将class_weight
作为一个 numpy 数组传递,而不将其转换为在 model.fit()
函数中工作的字典。【参考方案4】:
在_standardize_weights
中,keras 会:
if y.shape[1] > 1:
y_classes = y.argmax(axis=1)
所以基本上,如果您选择使用 one-hot 编码,那么类就是列索引。
您也可能会问自己如何将列索引映射到数据的原始类。
好吧,如果你使用 scikit learn 的 LabelEncoder 类来执行 one-hot 编码,列索引映射了 .fit
函数计算的 unique labels
的顺序。
医生说
提取唯一标签的有序数组
例子:
from sklearn.preprocessing import LabelBinarizer
y=[4,1,2,8]
l=LabelBinarizer()
y_transformed=l.fit_transorm(y)
y_transormed
> array([[0, 0, 1, 0],
[1, 0, 0, 0],
[0, 1, 0, 0],
[0, 0, 0, 1]])
l.classes_
> array([1, 2, 4, 8])
作为结论,class_weights
字典的键应该反映编码器的classes_
属性中的顺序。
【讨论】:
以上是关于Keras:one-hot 编码的类权重(class_weight)的主要内容,如果未能解决你的问题,请参考以下文章
Keras scikit-learn 包装器在使用 one-hot 编码标签的交叉验证中的评分指标