Keras 模型产生相同的输出

Question

我见过几个有类似问题的问题，但没有一个能解决我的问题。我正在尝试将 Keras 中的神经网络拟合到具有 22 个输入特征的数据集以进行二进制分类。问题是我只有 195 个训练样本。我知道这是一个小数据集，但我不知道是否有可能以合理的准确度拟合模型（我的目标是> 95％的准确度）。我遇到的问题是我的模型只输出 1 并获得 75% 的准确率，因为我的数据集是 75% 的正例。这是我的代码：

data = pd.read_csv("") #filename omitted, but it loads properly

scaler = MinMaxScaler()

X = scaler.fit_transform(X)

Y = data['status']

X = data.drop(['status', 'name'], axis = 1)

xTrain, xTest, yTrain, yTest = train_test_split(X, Y, train_size = 0.8)

model = Sequential()

model.add(Dense(48, input_shape=(22,), activation = 'relu'))

model.add(Dropout(0.5))

model.add(Dense(1, activation = 'softmax'))

optim = keras.optimizers.adam(lr=0.0001)

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

model.fit(xTrain, yTrain, epochs = 20, batch_size = 5, validation_data = (xTest, yTest))

我尝试添加更多隐藏层，增加训练 epoch 的数量，并增加和降低优化器的学习率，但准确度保持不变。这是数据集的链接：https ://www.dropbox.com/s/c4td650b4z7aizc/fixed.xlsx?dl=0

Answer 1

您需要尝试一些事情以获得更好的准确性：不要简单地将数据集原样输入到 NN 中。做一些数据准备，比如平衡响应类。请查看各种采样技术，例如欠采样、过采样、SMOTE 等。如果您的数据集具有平衡的类分布，则可以很好地提高准确性。而不是 activation = 'softmax'，您应该使用sigmoid激活函数。除了这些，您应该尝试其他几种架构，lr 值，不。epochs、batch_size、优化器等