tensorflow - 处理不平衡的训练数据：验证结果与训练不同

Question

我需要用不平衡的数据训练一个二元分类器（“ok”集中大约 3000 个图像，“ko”集中大约 160 个图像）。此外，我希望尽量减少假阴性而不是假阳性。

出于这个原因，我对“ko”图像加权 20 倍，训练（80% 的数据集）进行得非常好（3 个假阴性和 15 个假阳性：准确度 > 99%）。然而，在验证数据集上，我有 19 个假阴性和 7 个假阳性，准确率接近 96%。

96% 的准确率对我来说是可以的，但我希望获得更少的假阴性。

我可以尝试做什么？

标签： tensorflowimage-classification