如何在 Keras 中使用 CNN 处理多标签分类的不平衡数据？

Question

我的数据集形状是 (91149, 12)

我使用 CNN 在文本分类任务中训练我的分类器

我发现培训准确度：0.5923和测试准确度：0.5780

我的班级有 9 个标签，如下所示：

df['thematique'].value_counts()
Corporate                   42399
Economie collaborative      13272
Innovation                  11360
Filiale                      5990
Richesses Humaines           4445
Relation sociétaire          4363
Communication                4141
Produits et services         2594
Sites Internet et applis     2585

模型结构：

model = Sequential()
embedding_layer = Embedding(vocab_size, 300, weights=[embedding_matrix],   input_length=maxlen   ,   trainable=False)
model.add(embedding_layer)
model.add(Conv1D(128, 7, activation='relu'))
model.add(GlobalMaxPooling1D())
model.add(Dense(9, activation='sigmoid'))
model.compile(optimizer='Adam', loss='categorical_crossentropy', metrics= ['categorical_accuracy'])

我的多标签分类数据不平衡。我需要在 Keras 中使用 CNN 处理多页分类的不平衡数据。

Answer 1

我不确定您是否需要使用特定的 Keras 本身来处理不平衡问题，而不是使用一些直觉。一种简单的方法是每个类使用相同数量的数据。当然，这会导致另一个问题，那就是你过滤了很多样本​​。但这仍然是您可以检查的事情。当然，当您有不平衡数据时，仅计算分类性能并不是一个好主意，因为它对每个类的性能表现得很好。

您应该进一步计算混淆矩阵，以便可视化每个类单独执行的情况。可以在此博客和此处找到解决不平衡数据问题的更详细方法。

最重要的是使用正确的工具来评估分类的性能，并按照我提到的链接中的建议处理输入数据。