Keras中class_weight处理不平衡数据：少数类精确率与召回率为0求助

嘿，我来帮你排查这个问题——这种高度不平衡数据集的二分类坑确实挺多的，尤其是少数类完全没被模型学到的情况，咱们一步步来拆解：

首先，先检查你的class_weight设置是否合理 #

你手动设置的{0:1,1:50}权重有点过高了。Keras里class_weight='balanced'其实是更稳妥的选择，它会自动根据样本占比计算权重：公式是n_samples / (n_classes * n_samples_per_class)。对你的数据集来说，类别1的合理权重应该是总样本数/(2*类别1样本数) ≈ 1/0.16 = 6.25，你设成50反而可能让模型陷入极端拟合，甚至反过来因为噪声太大学不到有效特征。先改成自动平衡试试：

class_weight = 'balanced'

然后，核心排查：你的训练数据里真的有足够的少数类样本吗？ #

如果你的训练集里类别1的样本几乎为0（比如随机划分时没做分层抽样），那再高的权重也没用，模型根本没见过少数类的特征，自然只会预测多数类0。这时候一定要用分层抽样划分数据集：

from sklearn.model_selection import train_test_split
# stratify=y 保证训练集和测试集的类别占比和原数据一致
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, stratify=y, random_state=5)

先确认y_train里类别1的占比是不是接近16%，如果差很多，那就是划分的问题。

接下来检查模型结构和训练设置 #

1. 输出层和损失函数是否正确：二分类任务必须用单神经元+sigmoid激活，搭配binary_crossentropy损失函数，用softmax或者多神经元就会出问题：

# 补全你的模型输出层
model.add(Dense(1, activation='sigmoid'))
# 编译时指定正确的损失
model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])

2. 训练参数是否合适：
   • 如果batch_size太大，每个batch里可能根本没有类别1的样本，模型每次更新都只偏向多数类，试试缩小batch_size（比如16或32）；
   • epochs是不是太少？模型还没来得及学到少数类的特征，可以适当增加到50-100轮；
   • 学习率是否过高？可以试试调小学习率，比如optimizer=Adam(learning_rate=0.0001)。

数据增强/采样的辅助手段 #

如果训练集里少数类样本确实太少（比如只有几十条），仅靠权重调整不够，可以试试过采样方法，比如SMOTE：

from imblearn.over_sampling import SMOTE
# 对训练集做过采样，平衡类别
sm = SMOTE(random_state=5)
X_resampled, y_resampled = sm.fit_resample(X_train, y_train)
# 用重采样后的数据训练模型
model.fit(X_resampled, y_resampled, epochs=100, batch_size=16, validation_split=0.2)

注意不要对测试集做采样，避免影响评估结果。

最后，用正确的指标评估模型 #

准确率在不平衡数据集里完全没用，一定要看混淆矩阵和分类报告，确认模型到底有没有预测过类别1：

from sklearn.metrics import confusion_matrix, classification_report
# 把模型输出的概率转成类别标签（阈值设为0.5）
y_pred = (model.predict(X_test) > 0.5).astype(int)
print("混淆矩阵：")
print(confusion_matrix(y_test, y_pred))
print("\n分类报告：")
print(classification_report(y_test, y_pred))

如果混淆矩阵里第二行（真实为1的样本）全是0，那说明模型完全没学到少数类，回到前面的数据和模型设置再排查。

内容的提问来源于stack exchange，提问作者TigSh