我尝试使用XGBoost OvR（OneVsRest）在Python中构建多类分类模型，如下所示：

from xgboost import XGBClassifier
from sklearn.multiclass import OneVsRestClassifier
from sklearn.metrics import roc_auc_score

X_train, X_test, y_train, y_test = train_test_split(abt.drop("TARGET", axis=1)
                                                                        , abt["TARGET"]
                                                                        , train_size = 0.70
                                                                        , test_size=0.30
                                                                        , random_state=123
                                                                        , stratify = abt["TARGET"])

model_1 = OneVsRestClassifier(XGBClassifier())

当我使用上面的代码我有巨大的过度拟合：AUC_TRAIN: 0.9988, AUC_TEST: 0.7650
是的，我决定用途：class_weight.compute_class_weight

from sklearn.utils import class_weight
class_weights = class_weight.compute_class_weight('balanced',
                                                 np.unique(y_train),
                                                 y_train)

model_1.fit(X_train, y_train, class_weight=class_weights)

metrics.roc_auc_score(y_train, model_loop_a.predict_proba(X_train), multi_class='ovr')

metrics.roc_auc_score(y_test, model_loop_a.predict_proba(X_test), multi_class='ovr')

然而，当我尝试像上面那样使用class_weight.compute_class_weight时，我遇到了以下错误：TypeError: fit() got an unexpected keyword argument 'class_weight'
我该如何解决这个问题，或者你有其他的想法，如何避免我在Python中的多类分类模型出现这种巨大的过度拟合？