我是深度学习的新手。我有一个34维的X数据，这些是股票技术指标数据。而Y是标签，是二元的（1，-1），代表股票是上升趋势还是下降趋势。以下是我的代码。

import pandas as pdimport numpy as npdata = pd.read_csv('data/data_week.csv')data.dropna(inplace=True)x = data.loc[:, 'bbands_upperband':'turn_std_5']y = data['label']from keras.models import Sequentialfrom keras.layers import Dense, Activationmodel = Sequential()model.add(Dense(512, activation='relu', input_dim=34))model.add(Dense(200, activation='relu'))model.add(Dense(200, activation='relu'))model.add(Dense(200, activation='relu'))model.add(Dense(128, activation='relu'))model.add(Dense(1, activation='relu'))model.compile(optimizer='rmsprop',              loss='binary_crossentropy',              metrics=['accuracy'])model.fit(x, y, epochs=2, batch_size=200) 231200/1041021 [=====>........................] - ETA: 59s - loss: 0.7098 - acc: 0.0086 232000/1041021 [=====>........................] - ETA: 59s - loss: 0.7087 - acc: 0.0086

然而，准确率却不到1%。我认为这一定是哪里出了问题。如果你知道原因，请告诉我，非常感谢！

回答：

对于二分类模型，你应该在最后的Dense层使用sigmoid激活函数

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

另外，你的类别应该使用(0,1)而不是(-1,1)