scikit-learn中的class_weight参数如何工作？
scikit-learn中的class_weight参数如何工作？
我对scikit-learn的逻辑回归中的class_weight参数的操作方式感到非常困惑。
情况
我想使用逻辑回归对一个非常不平衡的数据集进行二元分类。类别标签为0（负面）和1（正面），观察到的数据比例大约为19:1，其中大多数样本的结果为负面。
第一次尝试：手动准备训练数据
我将已有的数据分成了训练集和测试集（大约80/20）。然后，我手动随机抽样训练数据，以获得不同比例的训练数据，从2:1到16:1。
然后，我对这些不同的训练数据子集进行了逻辑回归训练，并绘制了在不同训练比例下的召回率（= TP /（TP + FN））的图表。当然，召回率是计算在具有观察到的19:1比例的不相交的测试样本上的。注意，尽管我在不同的训练数据上训练了不同的模型，但我在相同的（不相交的）测试数据上计算了召回率。
结果如预期：在2:1的训练比例下，召回率约为60%，当训练比例达到16:1时，召回率迅速下降。在2:1到6:1之间有几个比例，召回率相当高于5%。
第二次尝试：网格搜索
接下来，我想测试不同的正则化参数，所以我使用了GridSearchCV，并制作了一个包含多个C参数值和class_weight参数的网格。为了将我负面:正面训练样本的n:m比例转化为class_weight字典的语言，我认为我只需指定以下几个字典：
{ 0:0.67, 1:0.33 } #预期为2:1
{ 0:0.75, 1:0.25 } #预期为3:1
{ 0:0.8, 1:0.2 } #预期为4:1
并且我还包括了None和auto。
这一次结果完全不正常。除了auto之外，我所有的召回率都非常小（<0.05），对于每个class_weight值都是如此。因此，我只能假设我的class_weight字典的设置理解是错误的。有趣的是，grid search中class_weight值为'auto'时，对于所有的C值都约为59%，我猜测它是平衡为1:1的？
我的问题
- 如何正确使用class_weight来实现与实际给定的训练数据不同的平衡？具体而言，我应该向class_weight传递什么字典以使用负面:正面训练样本的n:m比例？
- 如果将不同的class_weight字典传递给GridSearchCV，在交叉验证期间，它是否会根据字典重新平衡训练折叠数据，但在测试折叠上使用真实给定的样本比例计算我的评分函数？这很重要，因为任何指标对我来说只有在来自观察到的比例的数据上才有用。
- class_weight参数的auto值在比例方面是什么意思？我阅读了文档，并且我认为“按照其频率的倒数平衡数据”意味着它使其变为1:1。这是正确的吗？如果不是，有人可以解释一下吗？