数据不平衡：class_weight平衡的前馈深层网络不会超出主导类的学习范围

Question

我有5名输出的类数据。训练数据没有样本的以下这些5类：[706326，32211，2856，3050，901]

我使用以下keras（tf.keras）代码：

class_weights = class_weight.compute_class_weight('balanced',
                                                 np.unique(y_train),
                                                 y_train)

model = tf.keras.Sequential([
    tf.keras.layers.Dense(50, input_shape=(dataX.shape[1],)),
    tf.keras.layers.Dropout(rate = 0.5),
    tf.keras.layers.Dense(50, activation=tf.nn.relu),
    tf.keras.layers.Dropout(rate = 0.5),
    tf.keras.layers.Dense(50, activation=tf.nn.relu),
    tf.keras.layers.Dropout(rate = 0.5),
    tf.keras.layers.Dense(50, activation=tf.nn.relu),
    tf.keras.layers.Dropout(rate = 0.5),
    tf.keras.layers.Dense(5, activation=tf.nn.softmax) ])
     adam = tf.keras.optimizers.Adam(lr=0.5)

model.compile(optimizer=adam, 
              loss='sparse_categorical_crossentropy',
              metrics=[metrics.sparse_categorical_accuracy])    
     model.fit(X_train,y_train, epochs=5, batch_size=32, class_weight=class_weights)

y_pred = np.argmax(model.predict(X_test), axis=1)

我正在使用sparse_categorical_crossentropy，它接受类别为整数（不需要将它们转换为一键编码），但是我也尝试了categorical_crossentropy，仍然存在相同的问题。

我当然尝试了不同的学习率，的batch_size，无历元，优化器，和深度/网络的长度。但它始终是停留在0.94〜精度基本上是，如果我预测一流所有的时间我会得到。

不确定此处缺少什么。我的一部分的任何错误，或Keras与class_weight一些bug？还是应该使用其他一些专门的深度网络？