我正在使用 caffenet 进行 3 类分类问题的微调。我有 100 个 A 类实例，90 个 B 类实例和 30 个 C 类实例。我认为我的网络会偏向 A 类和 B 类，但实际上我得到了很好的结果。我知道 caffenet 不会为我处理不平衡数据。也许这与我的整个火车组适合一批的事实有关？或者也许这与我没有真正从头开始训练而是主要使用 caffenet 已经学习的权重这一事实有关？谢谢
用不平衡数据微调 CNN 可以得到很好的结果——不知道为什么
数据挖掘
深度学习
美国有线电视新闻网
阶级失衡
咖啡
2022-03-15 17:12:21
1个回答
您的训练或测试集是否取得了不错的成绩？如果只是第一个，那么你就过拟合了，但如果是第二个，这与你的整个训练集适合你的批次这一事实无关，梯度仍然对主导类有很强的吸引力。但是，如果这些类相对容易分离，那么拥有预训练的权重会很有帮助。如果您的数据集与预训练的数据集相似，这也会有所帮助，因为进行特征提取的中间层已经为您的问题实例学习了有价值的过滤器。