Python 如何使用类似于Scikit类权重的逻辑回归张量流估计器

我试图将一个基本的二元逻辑回归模型移植到tensorflow，我想使用Estimator类，因为我只需要一个简单的模型。但是，由于我的两个类不平衡，sklearn版本使用了class_weight参数。我没有看到估算器的等效变量

我正在尝试获得与以下相同的功能：

class_weight={“false”：1，“true”：10}
模型=sklearn.线性模型.逻辑回归（类权重=类权重）
模型拟合（X，Y）

我尝试使用weight_列，但它似乎没有正确地训练。它有很多误报，因为没有正确地考虑到阶级不平衡。我也尝试过改变损失函数，但我看到的每个例子都不适用于估计器框架：

def输入_fn（X，Y）：
特征=dict（X）
特征['weight']=np.one（len（X））
dataset=tf.data.dataset.from_张量_切片（（特征，Y））
返回数据集。重复（1）。批处理（len（Y））#1历元，无批处理
model=tf.estimator.LinearClassifier（特征列，权重列='weight'））
模型序列（输入：λ：配料）

但这样做会使准确率降低6%左右，这是相当显著的。而且大部分来自误报，因此该模型没有正确地对阴性/假病例进行过采样