这是一个棘手的问题，因为它取决于您的目标。

如果您的目标是在两个类别上具有可比的性能（即可比的敏感性和特异性），并且您的训练数据的不平衡是$1:20$，那么是的，赋予少数类示例的权重是多数类示例的 20 倍是有意义的。

然而，在大多数应用中，这并不是目标。您应该使用错误分类的实际成本或其估计值。理想情况下，您应该量化假阴性和假阳性的成本（尽管这说起来容易做起来难，尤其是在将疾病成本与医疗专业人员浪费时间的成本进行比较时）。

然后，如果您的训练集具有与真实数据相同的类先验（类出现的频率），您将直接使用这些成本作为正类和负类的权重。

在您的情况下，它更复杂，因为您的训练数据中的先验与实际数据中的先验不同。您不能将错误分类成本直接用作权重，您必须针对实际分布进行调整。

使用具有$1:20$不平衡而不是$1:2000$，你实际上已经给负类赋予了比它自然拥有的权重大约 100 倍的权重。就好像那里已经隐藏了一个重量。为了将错误分类成本用作权重，您必须取消该因素。

认为$c_{fp}$是误报的成本（错误分类负例）和$c_{fn}$是假阴性的成本（错误分类一个正例）。如果阳性数据率是$1/20 = 0.05$在训练数据和$1/2000 = 0.0005$在您的域的实际分布中，您将使用：

作为正类错误的权重。