假设我有一个不平衡的数据集，我决定在模型训练期间对其进行过度/欠采样。然后，我想预测新记录，但使用类中原始的、真正的不平衡作为模型的先验。

即我的类以 1:100 的比例分布，我对 1:2 进行了欠采样，但希望模型知道 A 类非常罕见，因此在预测它时要小心。

对于逻辑回归，我熟悉截距校正的方法，在此处详述：

我的问题是：如果我使用深度学习而不是逻辑回归会怎样？我的推理是，由于NN的最后一层基本上是一个逻辑回归，我可以使用相同的方法来截取这一层。你能想到任何反对意见吗？有什么理由这没有意义吗？如果是这样，您将如何纠正模型？

另外，当我有两个以上的课程时，是否有一种通用的截距校正方法？