小编Xim*_*imz的帖子

我正在使用神经网络解决二进制分类问题，但遇到了一些麻烦。有时，在运行模型时，我的验证准确性根本不会改变，而有时效果很好。我的数据集有1200个具有28个特征的样本，我有一个类不平衡（200个类，一个1000个类，b类）。我所有的特征都已归一化，介于1到0之间。正如我之前所说，这个问题并不总是发生，但我想知道为什么并修复它

我曾尝试更改优化功能和激活功能，但这对我没有好处。我还注意到，当我增加网络中神经元的数量时，这个问题发生的频率降低了，但是并没有解决，我也尝试增加了时期的数量，但是有时候这个问题仍然存在

model = Sequential()
model.add(Dense(28, input_dim=28,kernel_initializer='normal', activation='sigmoid'))
model.add(Dense(200, kernel_initializer='normal',activation='sigmoid')) 
model.add(Dropout(0.5))
model.add(Dense(300, kernel_initializer='normal',activation='sigmoid')) 
model.add(Dropout(0.5))
model.add(Dense(300, kernel_initializer='normal',activation='sigmoid')) 
model.add(Dropout(0.5))
model.add(Dense(150, kernel_initializer='normal',activation='sigmoid')) 
model.add(Dropout(0.4))
model.add(Dense(1,kernel_initializer='normal'))
model.compile(optimizer='adam',loss='binary_crossentropy',metrics=['accuracy'])
history = model.fit(X_train, y_train,
                    epochs=34,
                    batch_size=32,
                    validation_data=(X_val, y_val),
                    verbose=1)

这是有时候训练模型会得到的结果

Epoch 1/34
788/788 [==============================] - 1s 2ms/step - loss: 1.5705 - acc: 0.6865 - val_loss: 0.6346 - val_acc: 0.7783
Epoch 2/34
788/788 [==============================] - 0s 211us/step - loss: 1.0262 - acc: 0.6231 - val_loss: 0.5310 - val_acc: 0.7783
Epoch 3/34
788/788 [==============================] - 0s 194us/step - loss: 1.7575 …