Используете LIBSVM grid.py для несбалансированных данных?

У меня проблема трех классов с несбалансированными данными (90%, 5%, 5% ). Теперь я хочу обучить классификатор с помощью LIBSVM.

Проблема в том, что LIBSVM оптимизирует свои параметры gamma и Cost для оптимальной точности, а это значит, что 100% примеров относятся к классу 1, что, конечно, не то, что мне нужно.

Я пытался изменить параметры веса -w без особого успеха.

Итак, я хочу изменить grid.py таким образом, чтобы он оптимизировал стоимость и гамму для точности и отзыва, разделенных по классам, а не для общей точности. Есть ли способ сделать это? Или есть другие скрипты, которые могут сделать что-то подобное?