我正在进行一维数据的分类工作。我将数据呈现为549个数组，每个数组包含600个样本。我已经构建了一个多层感知器，效率大约为80%。现在我尝试使用CNN，但不知为何其准确率未能超过31%。哪里可能出了问题？

我的模型如下：

model = Sequential()model.add(Conv1D(filters=20, kernel_size=4,activation='relu',padding='same',input_shape=(600,1)))model.add(MaxPooling1D(pool_size = 2))model.add(Dropout(0.3))model.add(Flatten())model.add(Dense(50, activation='relu', input_dim = 600))model.add(Dense(1, activation='softmax'))model.compile(loss="binary_crossentropy", optimizer="nadam", metrics=['accuracy'])model.fit(np.array(X), np.array(Y), epochs = 100, batch_size=8, verbose=1, validation_data=(np.array(X1),np.array(Y1)))scores = model.evaluate(np.array(X1), np.array(Y1), verbose=0)

输入数据如下：

X1 = X[:90]X = X[91:]Y1 = Y[:90]Y = Y[91:]X = np.expand_dims(X, axis=2)X1 =np.expand_dims(X1, axis=2)print(np.array(X).shape)

得到的维度是(458, 600, 1)，维度上是否有什么问题？

回答：

更改

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

为

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