我正在处理 Keras 中的不平衡数据集，并希望对我的少数类的样本给予更高的权重。该fit()函数有一个很好的sample_weight论点，但是由于我的数据量很大，我必须使用fit_generator().
fit_generator()有一个class_weight论点，这似乎对这个目的很有用，并且已经在另一个问题中讨论过。但是，在这种情况下，标签不是单热编码/分类的，我找不到 using 是否class_weight也允许分类数据。
可以将class_weight参数用于单热编码/分类标签，如果可以，如何？还是我必须求助于自定义加权损失函数？
对于分类数据，最好使用sample_weight而不是class_weight参数。这可以通过简单地为特定类别的所有样本赋予相同的权重来完成。sample_weight适用于分类数据，因为在class_weight.
请参阅：Keras 顺序模型方法
您可以传递一个与输入样本长度相同的平面 (1D) Numpy 数组（权重和样本之间的 1:1 映射），或者在时间数据的情况下，您可以传递一个具有形状的二维数组（样本、序列长度)，对每个样本的每个时间步应用不同的权重。在这种情况下，您应该确保在 compile() 中指定 sample_weight_mode="temporal"。
正如您提到的，另一种方法是使用自定义加权损失函数。可以在此处找到有关它的详细讨论。