向下采样数据集以创建神经模型的平衡数据集

Question

我有一个10k实例和4个类的分类数据集，它是不平衡的。其中7000个属于一级，2000个属于第二类，800个属于三级，其余实例属于四级。我有一个基于MLP的神经网络。

在下采样过程结束时，我计划有2000,2000,800,200例。(我甚至可以进一步降低前3个类的样本，直到我从每个类中得到200个实例，但我不想将数据集的大小减少那么多)。

我的问题是:如果我为N个时代训练我的MLP，我应该对所有的时代使用相同的子集-1还是为每个时代随机生成这个子集？

Answer 1

如果你在每个时代随机地改变下采样类的图像子集，你会得到更好的结果。这也将有助于建立一个稳健的模型。并对小班使用数据增强技术。