我有一个非常不平衡的数据集，正样本与负样本的比率为 1:496。评分指标是 f1 分数，我想要的模型是 LightGBM。我正在使用 LightGBM 的 sklearn 实现。

我已阅读有关class_weightLightGBM 参数的文档：

class_weight : dict, 'balanced' or None, optional (default=None) 与 {class_label: weight} 形式的类关联的权重。该参数仅用于多类分类任务；对于二元分类任务，您可以使用 is_unbalance 或 scale_pos_weight 参数。“平衡”模式使用 y 的值自动调整与输入数据中的类频率成反比的权重，如 n_samples / (n_classes * np.bincount(y))。如果没有，所有的类都应该有一个权重。请注意，如果指定了 sample_weight，这些权重将与 sample_weight（通过 fit 方法传递）相乘。

在我的数据集上使用class_weight参数时，这是一个二元分类问题，我得到的分数（0.7899）比使用推荐scale_pos_weight参数（0.2388）时要好得多。我应该使用class_weight参数还是scale_pos_weight参数来平衡类？