您面临的问题通常被称为类不平衡，并且已成为大量研究的主题。如果您有兴趣，这里有一篇文献综述：He, H., & Garcia, EA (2008)。从不平衡的数据中学习

特别是，您可能会遇到两种形式的不平衡：

当您拥有来自某些类的大量数据时，就会发生绝对不平衡/稀有性，但您只有一些其他类（或类的子概念）的示例。在这种情况下，问题在于学习算法可能没有足够的数据来学习少数类。在您给出的示例中，有 100 个少数类示例，具体取决于数据的性质，您可能会遇到此问题。但是，如果您希望将来有更多数据，那么绝对稀有性最终应该不再是问题。

另一方面，相对不平衡不会随着更多数据而消失。当某些类的先验概率远大于其他类的先验概率时，您就会出现相对不平衡。例如，第 1 类的示例总是比第 2 类的示例多 10 倍，因为第 1 类的出现频率是第 1 类的 10 倍。

大多数用于分类的学习算法都针对准确性进行了优化，或者类似 RMSE。这意味着，当解决真正的分类问题足够困难，并且数据严重不平衡到一个类别时，模型可能会在有疑问时诉诸于预测多数类别。多数人的召回率可能很好，但少数人的召回率则不然。

在少数类别的检测特别重要的许多领域中，这成为一个问题。例如，在医学诊断中，我们可能愿意牺牲整体准确性（因为更多的误报）以获得更好的真阳性率。

简而言之，这取决于您的域。您是否可以优化整体准确性，还是更重要的是在各个类别中具有可比的性能？如果您选择后者，那么您可以尝试以下几种方法：

• 使用对成本敏感的学习：某些学习算法和实现允许您为每个类分配一个成本，本质上是描述如果该类的一个示例被错误分类的情况有多糟糕。如果我没记错的话，当您对这些不同的成本有很好的了解时，这通常被认为是最好的方法。
• 重新平衡类：您可以对少数类进行过采样（存在过度拟合的风险），对多数类进行欠采样（如果您没有大量数据，这会很危险），混合使用两者或更多像合成采样一样先进（尝试使用 SMOTE 生成少数类的新示例）

总体而言，您还应该小心选择正确的评估指标。使用准确性评估您的模型可能会让您相信您的模型表现非常好，而实际上它正在将所有内容分类到多数类别中。您可以使用许多指标，每个指标都有其优点和缺点。ROC 曲线下面积 (AUC) 是一个常用指标，可让您大致了解模型在不同类别错误分类成本上的平均性能。如果您可以绘制多个模型的 ROC 曲线，并注意到一条曲线在整个绘图宽度上占主导地位，那么这就是您获胜的最明显迹象。如果您有兴趣，在《不平衡学习：基础、算法和应用》一书中有一整章关于这个主题.

您可以复制图像并添加它们。您可以对图像较少的标签使用数据增强技术。以下代码适用于 Keras。

datagen = ImageDataGenerator(
  rotation_range=40,
  width_shift_range=0.2,
  height_shift_range=0.2,
  shear_range=0.2,
  zoom_range=0.2,
  horizontal_flip=True,
  fill_mode='nearest')

我希望这有帮助。你不应该担心一个标签有更多的数据，而应该考虑如何增加其他标签的数据。

您使用的数据集包含几乎超过 90% 的属于一个类的训练数据，并且会极大地影响您的结果。这种数据的不平衡应该会产生我们所说的倾斜类。偏斜类的存在会影响你的预测，学习模型可能会成为预测多数类的模型。

为了克服这个问题，您可以执行以下操作：

• 采样：对数据集进行上采样或下采样，以确保数据的平等表示。
• 丢弃多余的数据：如果其他类中的数据足够，只需丢弃支配类中的一些数据。
• 加权：某些训练算法采用权重来强调类，并且在偏斜类中可能会有所帮助。

这个答案基于这篇文章。请参阅它以获取详细说明。