在自回归连续问题中，当零位占据过多位置时，可以将情况视为零膨胀问题（即ZIB）。换句话说，不是要拟合f(x)，我们要拟合g(x)*f(x)where f(x)是我们要近似的函数，即y，并且g(x)是一个根据值是零还是非零而输出介于0和1之间的值的函数。
目前，我有两个模型。一个给我的g(x)模型，另一个给我的模型g(x)*f(x)。
第一个模型给了我一组权重。这是我需要您帮助的地方。我可以将sample_weights参数与一起使用model.fit()。当我处理大量数据时，则需要使用model.fit_generator()。但是，fit_generator()没有论点sample_weights。
有sample_weights内部解决方案fit_generator()吗？否则，g(x)*f(x)如果我已经有训练有素的模型，我该如何适应g(x)？
machine-learning time-series generator autoregressive-models keras