我正在尝试使用 NN（准确地说是 CNN）来预测严重不平衡数据上的标签，即某些类比其他类大得多。我想优化平衡精度。因此，我将类权重赋予我这样计算的模型：

classes = np.unique(y_ord)
class_weight = compute_class_weight('balanced', classes=classes, y=y_ord)
class_weight = {k: v for k, v in zip(classes, class_weight)}  # make class_weight a dict

sparse_categorical_crossentropy现在，我使用作为损失来训练我的模型。然而，虽然损失减少，但准确性并没有提高。我已经在几篇博客文章中阅读了（可能的）原因：损失是连续的，而准确度是 0 或 1。但是，我未能找到解决此问题的方法。当我不使用权重时不会发生这种情况，所以我想这一定与这些有关。

先感谢您！