以前曾问过类似的问题，但没有足够的答案：Keras: LSTM with class weights
我正在尝试在tf.keras LSTM中实现类权重。为了使用class_weights，模型的目标必须是二维的。
由于通常情况下，具有最终致密层的LSTM的输出形状为x，y，1（x个长度为y的序列，每个序列包含1个变量的数组），因此可以很容易地重塑为x，y， （x个输出变量的y数组的长度为y的序列）和一个整形层。但是，准确性和其他指标要求模型的输出为x，y，1形状，而不是x，y，即使我对模型的Y输入也是x，y形。
如果您无法看到差异：
x, y, z = [ [ [true], [true], [false], [true] ], [ [true], [false], [true], [true] ] ]
x, y = [ [ true, true, false, true ], [ true, false, true, true ] ]
有没有解决的办法？