如何在模型拟合中使用加权损失函数

Question

我有一个基于时间序列数据集的LSTM模型，该模型是类不平衡的5000k（pos）：7k（neg）。

我尝试如下使用加权损失函数weighted_cross_entropy_with_logits

    model = tf.keras.Sequential([
      tf.keras.layers.LSTM(64, activation='tanh', input_shape=(n_input, n_features),return_sequences = True),
      tf.keras.layers.LSTM(64, activation='tanh',return_sequences = True),
      tf.keras.layers.LSTM(64, activation='tanh',return_sequences = True),
      tf.keras.layers.LSTM(64, activation='tanh',return_sequences = True),
      tf.keras.layers.LSTM(64, activation='tanh',return_sequences = True),
      tf.keras.layers.LSTM(64, activation='tanh',return_sequences = False),
      tf.keras.layers.Dense(128, activation='relu')
    ])

    last_layer = tf.keras.layers.Dense(1,activation='sigmoid')
    model.add(last_layer)


   model.compile(optimizer='adam', loss= tf.nn.weighted_cross_entropy_with_logits ,metrics=['accuracy'])

结果显示我需要一个名为pos_weight的位置参数，如何设置pos_weight并在model.compile中使用它？

我已经搜索过此内容，但未找到与此相关的任何示例代码 谢谢！