以最小测试集AUC为评价指标，用深度学习做二分类任务，要考虑到标签中0的数量比1多，，给出代码

下面是一个简单的基于Keras的二分类模型代码，使用了class_weight参数来解决标签中0的数量比1多的问题：

from keras.models import Sequential
from keras.layers import Dense

model = Sequential()
model.add(Dense(64, input_dim=X_train.shape[1], activation='relu'))
model.add(Dense(1, activation='sigmoid'))

model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

class_weight = {0: 1., 1: 10.} # 标签0的权重为1，标签1的权重为10

model.fit(X_train, y_train, epochs=10, batch_size=32, class_weight=class_weight)

其中，class_weight参数的作用是为每个类别设置不同的权重，这里标签0的权重为1，标签1的权重为10，这样模型会更关注于较少的正例，从而提高AUC。