我不确定您使用的模型，但我可能会解释一般的 ML 程序。您有三个“普通”解决方案来应对不平衡的监督数据集。

1. 重新加权类标签，以便每个标签有相同数量的样本（计算为给定标签的权重总和）。例如，如果具有最大样本数的标签有个样本，而其他一些类有个样本，那么您将分配权重。$n_{max}$$n_i$$w_i=\frac{n_{max}}{n_i}$
2. 欠采样 - 消除所有额外样本的基本过程，以便您最终获得平衡的数据集。
3. 过采样 - 创建不平衡类的副本（样本少于）希望有所帮助，$n_{max}$

最大限度

设置类权重的目的是操纵损失函数，将更多的注意力放在次要标签上。事实上，传递给你的学习算法的每个数据点都会提供信息来帮助你的损失函数。通过使次要实例的权重更大，您对损失函数说它应该更多地关注该特定实例（特征、标签）。以这种方式产生影响的类权重最直观的方法是将归因于该观察的损失乘以相应的权重。

因此，假设您的训练数据中有 2 个类。A 类有 100 个观察值，而 B 类有 1000 个观察值。为了弥补不平衡，您将 A 类的权重设置为 B 类的权重 (1000 / 100 = 10 倍)，即 [1.0, 0.1]。

一般来说，对于多类问题，您希望设置类权重，以便为每个类：

此类的观察次数 * 类权重 = 常数 A。

如果您选择 A = 1，则类的类权重 = 1 / 该类的观察数。

以下引自doc：

权重（可选）：长度为 num_labels 的列表，其中包含要分配给每个标签以进行损失计算的权重。

关于设置班级权重的特定方法，就像根据您的准确度指标尝试和评估有效的方法一样简单。

假设您的训练数据集包含具有四 (4) 个类别的目标，您可以按如下方式分配权重：

model = ClassificationModel("roberta","roberta-base",num_labels=4,
                            weight=[1, 0.5, 1, 2])

检查此链接。