単純なDeepLearningのクラス分類で学習データ量の差による重み付けは可能か。

Question

前提・実現したいこと

DeepLearningで学ばせる際の学習データの量の差によって、ある意味重みを付けれれるか知りたい。

x,x2,x3の代入、結果resultは1か2か3か4か5のクラス分類。

ax + b + cx2 + d + ex3 + f = result

例えばresult=1となる学習データが多く、他のresult=2や3や4などが少ない場合、通常クラス分類では平均的に整えるなどありますが、もし、result=1の学習データ量が多い状態で学習させ出来上がったmodelは、result=1とクラス分類される割合が多くなるものなのでしょうか。
私は逆に重みを持たせたいと思っております。

result=1となるx,x2,x3とresult=1のデータが500個
result=1となるx,x2,x3とresult=2のデータが400個
result=1となるx,x2,x3とresult=3のデータが200個
result=1となるx,x2,x3とresult=4のデータが200個
result=1となるx,x2,x3とresult=5のデータが200個

このようなとき、そのまま学習させた場合、新規のx1,x2,x3を代入させresult=1となる確率は通常より高まるものなのでしょうか。
そしてその重みの割合は、5：4：2のような割合に近くなるものなのでしょうか。アドバイス頂けないでしょうか。
よろしくお願い致します。

補足情報（FW/ツールのバージョンなど）

win10
google colab
python3.7
keras
tensorflow2.0
pytorch

Answer 1

resultの数が既に決まっているなら可能です
この場合「重みの割合」というより「出力の割合」というほうが適切ですかね
単純に出力層の数をresultの数にして、正解の番号のノードの値を1,それ以外を0にして学習させるだけです
そうすると学習結果は各resultに分類される確率というか尤度みたいに表すことができます
通常その値が最も大きいものを最終的なresultにしたりします

Comments

[dendenmushi]

回答頂きありがとうございます。

＞resultの数が既に決まっているなら可能です
決まっているというのは、学習時に1or2or3or4or5というように5つあってそれぞれ数値が決まっているという認識で間違えないでしょうか。いわゆるラベルが1or2or3or4or5という5クラス（例えば）分類のことです。

>単純に出力層の数をresultの数にして、正解の番号のノードの値を1,それ以外を0にして学習させる
出力層が5ならresult=1は、[1,0,0,0,0]、result=2は、[0,1,0,0,0]…という認識で合っていますでしょうか。何か参考となるソースコードなどgithubなどご存じないでしょうか。よろしくお願い致します。

[ShintaroNomiya]

>学習時に1or2or3or4or5というように5つあってそれぞれ数値が決まっているという認識で間違えないでしょうか
自分が質問者様の意図を正しく読み取れているかわかりませんが、おそらくその認識で合っていると思います

>出力層が5ならresult=1は、[1,0,0,0,0]、result=2は、[0,1,0,0,0]…という認識で合っていますでしょうか
合っています。だいたいの参考書にはそういう内容が書かれてあると思います
サンプルコードは「Keras クラス分類」とかでググればいくらでも出てくるのですがこんなんが参考になるんじゃないでしょうか(載ってるコードはバージョンが古いので多分そのままでは動きませんが)
http://aidiary.hatenablog.com/entry/20161108/1478609028
やる気があるならgithubのpublicレポジトリ漁るのが手っ取り早いです
これとかクラス分類の標準問題的なMNIST使ってるのでわかりやすいかもしれません、最終更新新しいのでそのまま動く気がします
https://github.com/LinguoLi/mnist_tutorial
ご参考までに

[dendenmushi]

回答ありがとうございました。また質問させて頂いたときはよろしくお願い致します。