この記事では、クラス不均衡を伴う画像分類問題に対するクラス重み付けの効果について、理論と実験の両面から分析しています。一般的に用いられる「逆頻度による重み付け」が実際にはF1スコアの改善に寄与しない可能性があることを示し、代わりに問題固有の誤分類コストやトレードオフ曲線の形状を考慮した調整が望ましいと結論づけています。また、評価指標の選択がモデル性能の最適化に大きく影響することも実証しています。