我有一个高度不平衡的文本文档数据集（3% 是，87% 否），包含标题和摘要特征。我已将这些文档转换为tf.data.Dataset带有填充批次的实体。现在，我正在尝试使用深度学习来训练这个数据集。在model.fit()TensorFlow 中，你有class_weights处理类不平衡的参数，但是，我正在寻找使用keras-tuner库的最佳参数。在他们的超参数调谐器中，他们没有这样的选择。因此，我正在寻找其他解决阶级不平衡的选择。
有没有使用班级权重的选项keras-tuner？补充一点，我已经在使用这个precision@recall指标了。我也可以尝试一种数据重采样方法，例如imblearn.over_sampling.SMOTE，但正如这篇Kaggle 帖子所提到的：
SMOTE 似乎无助于改善结果。但是，它使网络学习更快。此外，还有一个大问题，这种方法不兼容更大的数据集。您必须对嵌入的句子应用 SMOTE，这会占用太多内存。