我正在使用 Keras 的class_weight参数来处理不平衡的类问题。我这样做是为了定义权重：

weights = class_weight.compute_class_weight('balanced',np.unique(trainY),trainY)

然后，在我的网络中：

model.add(LSTM(..., class_weight=weights,...,callbacks=callbacks_list))

但是，我还使用回调列表来防止过度拟合，方法是基于validation_accuracy...强加 EarlyStopping：

earlystop = EarlyStopping(monitor='val_acc', min_delta=0.001, patience=5, verbose=1, mode='auto')
callbacks_list = [earlystop]

但是，我的权重仅根据我的训练集定义......但我的验证集也包含不平衡的数据，与训练集的比例不同，我也想给予适当的权重以对val_loss参数进行公平的评估...... .

所以我的问题是

1. 计算的权重是val_loss多少？使用参数中给出的权重class_weight？还是这个参数只用于训练损失？

2. 我如何定义可用于验证集的权重，以获得更准确的值val_loss？

谢谢