如何平衡numpy数组中的类？

Question

我有2个numpy的阵列如下：

images包含图像的文件的名称（images.shape是（N，3，128，128））： image_1.jpg image_2.jpg image_3.jpg image_4.jpg

labels包含相应的标签（0-3）（labels.shape是（N））： 1 1 3 2

我面对的问题是，这些类是不平衡，用3类>> 1> 2> 0

我想，以平衡由最终的数据集：

• 每班
• 计数图像（样本）的数量获取类的计数与最低的数字图像
• 使用该计数为图像/标签的对于其他3个类别的最大数目
随机
• 弹出过量图像/在images从其他3类标签和labels

到目前为止，我使用Counter以确定每类图像的数量：

from Collections import Counter 
import numpy as np 

count = Counter(labels) 
print(count) 

>>>Counter({'1': 2991, '0': 2953, '2': 2510, '3': 2488}) 

你会如何建议我随机images和labels所以它们包含的类0，1 2488个样本流行元素相匹配，和2？

Answer 1

你可以使用np.random.choice创建一个整数值面膜，你可以应用到你的标签和图片来平衡数据集：

n = 2488 

mask = np.hstack([np.random.choice(np.where(labels == l)[0], n, replace=False) 
         for l in np.unique(labels)])