首先，仅靠召回可能并不好。通过将所有内容都归为肯定类，您可以简单地实现100％的召回率。我通常建议使用AUC选择参数，然后找到您感兴趣的工作点阈值（例如给定的精度水平）。
对于如何
class_weight作品：它惩罚失误的样品
class[i]用
class_weight[i]的，而不是1。所以高类的重量意味着要更多地强调的一类。从您看来，类0的发生频率是类1的19倍。因此，您应该
class_weight相对于类0增加类1的频率，例如{0：.1，1：.9}。如果
class_weight不等于1，则基本上会更改正则化参数。
对于如何
class_weight="auto"工作，您可以看一下这个讨论。在开发版本中，您可以使用
class_weight="balanced"，它更容易理解：从本质上讲，它意味着复制较小的类，直到您拥有与较大的类一样多的样本为止，但是是以隐式的方式进行的。
