python - 使用 Keras 进行二元分类时，测试损失不会改善

Question

我有一个包含 65 个特征和 2 个标签的数据集，我想执行二元分类。

问题是测试损失不会提高，测试精度也不会提高。

训练损失与测试损失

训练准确度与测试准确度

代码

model = Sequential()
model = Sequential()
model.add(Dense(10, activation='relu', input_dim=n_features))
model.add(Dropout(0.5))
model.add(Dense(2, activation='softmax'))
model.compile(loss='binary_crossentropy', optimizer='adam',metrics=['acc'])

数据集高度不平衡 (1:30)
如何改进我的模型？

Answer 1

Softmax 和二元交叉熵不匹配，要正确使用 softmax，您应该使用 categorical_crossentropy 损失。如果你想继续使用二元交叉熵，你应该在输出端使用 sigmoid 激活函数，使用单个神经元(而不是两个)。