我在使用LSTM时遇到麻烦，有点卡住了。问题是我的精度为 .60-0.80 ，但是召回率确实很低 0.002-0.20
我有一个imabalance数据集问题，需要使用 tf.nn.weighted_cross_entropy_with_logits 进行梳理，但似乎仍然无法正常工作
其中self.pos_class_weight是
class1weight = max(0.00001, (np.size(y)) / (float(np.sum(y)) + 0.0001))
没关系，我验证了。
losses = tf.nn.weighted_cross_entropy_with_logits(logits=logits, targets=y, pos_weight=self.pos_class_weight)
loss = tf.reduce_mean(losses)
self.train_op = tf.train.AdamOptimizer(learning_rate=0.005).minimize(loss)
某种程度上，我的直觉是上述处理无常数据集问题的方法不正确。
问题甚至是我试图过分地适应（它没有这样做）。 我只是想增加召回率，让精度降低，但即使在增加隐藏层大小并使用堆叠的LSTM层之后，现在也不会发生。
我遗漏了一些非常基本的东西，但不知道它是什么，任何人都可以帮忙，或者指向我最好是用LSTM处理不平衡数据集问题的资源。