我有一个包含65个特征和2个标签的数据集，想要进行二元分类。

问题在于测试损失和测试准确率都没有改善。

训练损失与测试损失

训练准确率与测试准确率

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'])

数据集非常不平衡（1:30）
我如何改进我的模型？

回答：

Softmax和二元交叉熵并不是合适的组合，要正确使用Softmax，你应该使用categorical_crossentropy损失。如果你想继续使用二元交叉熵，你应该在输出层使用sigmoid激活函数，并且只使用一个神经元（而不是两个）。