用加权类评估Keras的DenseNet模型

Question

我正在Keras中使用DenseNet进行二进制分类。

创建加权类：

# Assign weights
weight_for_0 = num_normal/(num_normal + num_covid)
weight_for_1 = num_covid/(num_normal + num_covid)
class_weight = {0: weight_for_0, 1: weight_for_1}
# Print
print(f"Weight for class 0: {weight_for_0:.2f}")
print(f"Weight for class 1: {weight_for_1:.2f}")

因此，我有

Weight for class 0: 0.74
Weight for class 1: 0.26

我给模型安装了class_weight

history_dense201_weighted = model_dense_201.fit_generator(train_generator, epochs = 20, 
validation_data = valid_generator, class_weight = class_weight, callbacks = [# mcp_save,                                                                                                                                                            
early_stopping, tensorboard_callback])

但当我想评估模型时，我不确定如何评估加权模型，因为class_weight是历史的一部分。

如何更新此代码，使用加权模型代替默认的model_dense_201模型？

# Evaluation 
evaluation = model_dense_201.evaluate(valid_generator)
print(f"Validation Accuracy: {evaluation[1] * 100:.2f}%")
evaluation = model_dense_201.evaluate(train_generator)
print(f"Train Accuracy: {evaluation[1] * 100:.2f}%")

Answer 1

找到了这个。

https://github.com/tensorflow/tensorflow/issues/35825

引用Francois(又名Chollet(：

"我们在评估中不支持类权重的原因是，class_weight参数表示根据标签计算的样本权重，但标签不应在评估期间作为模型的输入。在培训期间，这是可以的，但在评估期间，这代表着从标签到指标的数据泄漏。如果你在评估中使用了类别权重，你的分数将无法在真实的测试数据上重现(当你没有标签时(。

所以这在概念上是错误的">