小编OJJ*_*OJJ的帖子

Tensorflow 中的二元分类问题：

我已经阅读了在线教程并尝试使用门控循环单元 (GRU) 将其应用于实时问题。我已经尝试了所有我知道的改进分类的可能性。

1) 开始添加堆叠的 RNN(GRU) 层 2) 增加每个 RNN 层的隐藏单元 3) 为隐藏层添加“sigmoid”和“RelU”激活函数 4) 标准化输入数据 5) 更改超参数

请找到数据集的链接：https : //github.com/madhurilalitha/Myfirstproject/blob/master/ApplicationLayerTrainingData1.txt

如果您可以浏览数据集，它会带有“正常”和“非正常”标签。我将“正常”编码为“1 0”，将异常编码为“0 1”。我还将数据集更改为以下形状的 3D：

新列车 X 的形状 (7995, 5, 40) 新列车 Y 的形状 (7995, 2) 新测试 X 的形状 (1994, 5, 40) 新测试 Y 的形状 (1994, 2)

我不太确定我在哪里缺少逻辑，有人可以帮我找到代码中的错误吗？

测试数据的分类准确率为52.3%。即使在训练数据上，它也具有相同的精度。请在下面找到代码：

#Hyper Parameters for the model
learning_rate = 0.001   
n_classes = 2    
display_step = 100    
input_features = train_X.shape[1] #No of selected features(columns)    
training_cycles = 1000    
time_steps = 5 # No …