我有一个多标签分类问题，其中训练数据集中的每个元组都标有一个或多个类，数据集中的类数量大~500，导致稀疏目标向量
[1,0,0，...，1,0,0，...]。
我正在使用带有Tensorflow后端的Keras来构建分类器，我的问题是：是否适合使用weighted_cross_entropy_with_logits作为带有sigmoid层的损失函数进行分类？以及如何设置pos_weight值以解决矩阵稀疏性（即在目标矩阵中给出1的更高权重）？
我在理解函数weighted_cross_entropy_with_logits的工作原理及其与精度和召回的关系时遇到了问题。