代码环境：
- python-3.7.6
- tensorflow-2.1.0
前言
最近几个月一直在做时间序列分类相关的工作，在实际应用工作中，调整模型参数对模型的性能表现的影响比较大。通过设置分类权重平衡原来数据集中样本分布不均衡的情况，同时配合Adam优化算法和BatchNormalization，准确率有比较大的提升。
本文重点介绍【时间序列分类任务】中【不平衡分类】问题，如何配置 tensorflow.keras.model.fit() API 中的 class_weight 参数，以平衡分类。其实在时间序列分类任务中，也可以通过插值的方式扩充数据样本，使各类样本数量相同，来平衡各类别。
不平衡分类是个比较大的问题，以后再写吧。本文先介绍如何在时间序列分类任务中的应用。
1. 类别权重如何计算
一开始看到分类平衡中的分类权重参数（tensorflow.keras.model.fit中的参数为 class_weight）的计算时比较懵，不知道如何计算的，大部分文章基本都没有提及计算过程，不适合我这样的小白。于是，动手算了算，发现其实很简单。
class_weight 参数需要传入一个各类别权重字典，通过分类数量计算得到，其的意义是模型对各类别的关注程度。 注意与 sample_weight 区分。
如果要平衡分类，一种简单的方式是通过设置该参数，让模型重点关注样本数目较少的类别，即乘以不同的权重，达到类似各类样本数目都相同的目的。
计算的方式有很多种，举个例子说明如何计算分类权重。
假设有A,B,C,D四类样本，各类样本数量如下：
分类：A B C D total
数量：10 20 30 40 100
比例：1/10 2/10 3/10 4/10 10/10
假设平衡后模型对各类别的关注度相同，即每类样本应该受到相同的关注，取个名字，称它为平均关注度吧（随便起的，方便表示）即 ：
那么，每类样本的比例乘以各自的权重，应该等于平均关注度。easy！则有：
如此可以求出某类样本平衡后应该乘以的权重：
简单的推导。。。想明白转化关系其实很简单。清楚了计算公式，下面讲一下如何实现。
2. tensorflow.keras.model.fit API 配置
fit(
x=None, y=None, batch_size=None, epochs=1, verbose=1, callbacks=None,
...
class_weight=None,
sample_weight=None,
...
)
关键参数说明：
class_weight：可选参数。样本标签（整型，已经编码）到权重值（float类型）的映射，用来加权损失函数（仅在训练期间加权）。这可以有效地告诉模型需要更关注哪些样本。sample_weight：可选参数。训练样本权重数组，用来加权损失函数（仅在训练期间加权）。
本文仅介绍如何配置 class_weight 参数。
3. 实现方法
3.1 数据集介绍
本文使用的数据集是在个人创建的适合业务场景的数据集。包含十个类别，以7:3划分训练集和验证集。训练集中各样本数量如下：
类别 数量
1 582
2 580
3 1688
4 1152
5 580
6 580
7 2470
8 571
9 534
10 578
total 9315
在本文的数据集中，原数据存储在csv文件中，各类标签已经编码为单个整型数字。
首先，以 pandas.DataFrame 格式读取，滑动窗口切分完成后，提取各样本已经编码的标签。其实直接从原始数据集（还未使用滑动窗口）提取标签计算是一样的，相差不会太多，无非是滑动窗口可能丢弃了不完整的数据，实际影响不大，这也是设置分类权重而不设置样本权重的好处，一劳永逸~。如果在滑动窗口处理数据的过程中，标签已经转换成 one-hot 编码，使用 np.argmax(trainy,axis=1) 转换成单个整型数字编码即可。
下面看一下代码实现。
3.2 代码实现
有了以上准备，现在应该有：单个整型数字组成的标签序列。比如：
y_train
-> array([6, 6, 6, ..., 3, 3, 3], dtype=int64)
len(y_train)
-> 9315
现在进一步处理：
- 提取样本标签：
import numpy as np
classes = np.unique(y_train)
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9], dtype=int64)
- 初始化标签编码API
from sklearn.preprocessing import LabelEncoder
le = LabelEncoder()
y_index = le.fit_transform(y_train.ravel()) # np.ravel()返回包含输入元素的一维数组
y_index
array([6, 6, 6, ..., 3, 3, 3], dtype=int64)
- 计算总样本数
len(y_train)
9315
- 计算总类别数
len(classes)
10
- 计算各类别样本数量
np.bincount(y_index) # np.bincount()计算非负整数数组中每个值的出现次数。
array([ 582, 580, 1688, 1152, 580, 580, 2470, 571, 534, 578],
dtype=int64)
- 标准化标签编码
le.transform(classes)
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9], dtype=int64)
这里说明一下，跟np.unique() 输出相同，np.unique() 是取出数组中的唯一元素，并返回包含这些元素的数组。le.transform() 标准化编码，这一步是保证输入数据是真标签的情况下，转换为数字编码。
- 计算权重
recip_freq = len(y_train) / (len(classes) * np.bincount(y_index).astype(np.float64))
recip_freq
array([1.60051546, 1.60603448, 0.55183649, 0.80859375, 1.60603448,
1.60603448, 0.37712551, 1.63134851, 1.74438202, 1.6115917 ])
- 映射
class_weight = recip_freq[le.transform(classes)]
class_weight
array([1.60051546, 1.60603448, 0.55183649, 0.80859375, 1.60603448,
1.60603448, 0.37712551, 1.63134851, 1.74438202, 1.6115917 ])
3.3 完整代码
如果训练标签已经转化为one-hot编码：
y_train = np.argmax(trainy, axis=1)
如果使用原始数据集处理：
y_train = train_loaded['state_encode'] # pd.series
完整代码：
from sklearn.preprocessing import LabelEncoder
le = LabelEncoder()
y_index = le.fit_transform(y_train.ravel())
recip_freq = len(y_train) / (len(classes) * np.bincount(y_index).astype(np.float64))
class_weight = recip_freq[le.transform(classes)]
print("Class weights : ", class_weight)
# 将训练标签变为one-hot编码；这里使用keras API 实现，使用pd.get_dummies也可以。
y_train = tf.keras.utils.to_categorical(y_train, len(np.unique(y_train)))
y_train:
array([[0., 0., 0., ..., 0., 0., 0.],
[0., 0., 0., ..., 0., 0., 0.],
[0., 0., 0., ..., 0., 0., 0.],
...,
[0., 0., 0., ..., 0., 0., 0.],
[0., 0., 0., ..., 0., 0., 0.],
[0., 0., 0., ..., 0., 0., 0.]], dtype=float32)