根据您使用的方法，此答案可能会有所不同。

首先，您在训练、验证和测试拆分之间拆分数据。忘记测试集。将验证数据保持在其自然分布的类中。

对于训练集数据，您有多种选择 -

• 使用下采样或上采样技术平衡类
• 保持不平衡的类，但将权重附加到每个类中的错误（参见此处的 som 参考： https ://stats.stackexchange.com/questions/207977/balancing-classes-for-neural-network-training ）

关于使每个类别的样本数量相等，根本不可取。每个类的分布应该是真实的。造成这种情况的原因有很多，但重点是您的训练和验证数据的分布应该像您的测试数据的分布一样。看看这里。