我想预测数字是否为5，范围是从0到9。我使用了cmaterdb数据集。

为了完成这个任务，我将训练和测试数据集中除5之外的所有数字标签都改成了0

new_train_label=np.copy(train_labels)for i, label in enumerate(new_train_label):     new_train_label[i] = 0 if (label == 5) else 1new_test_label=np.copy(test_labels)for i, label in enumerate(new_test_label):     new_test_label[i] = 0 if (label == 5) else 1#train up model using cnnfrom keras.models import Sequentialfrom keras.layers import Densefrom keras.layers import Dropoutfrom keras.layers import Flattenfrom keras.layers.convolutional import Conv2Dfrom keras.layers.convolutional import MaxPooling2Dfrom keras.utils import np_utilsmodel = Sequential()model.add(MaxPooling2D(pool_size=(3, 3)))model.add(Conv2D(15, (3, 3), activation='relu'))model.add(MaxPooling2D(pool_size=(3, 3)))model.add(Dropout(0.02))model.add(Flatten())model.add(Dense(128, activation='relu'))model.add(Dense(50, activation='relu'))model.add(Dense(1, activation='sigmoid'))model.compile(optimizer='adam',loss='binary_crossentropy',metrics=['accuracy'])model.fit(train_examples, new_train_label, epochs=30)val_loss, val_acc = model.evaluate(test_examples,new_test_label)print(val_loss)print(val_acc)

虽然准确率不错，但无法预测到5。我的代码或逻辑哪里出了问题？

回答：

我猜测，你的准确率大约是90%，但你的模型几乎总是预测为0（不是5），对吗？

如果是这样的话，原因可能是类别不平衡。你原来的数据集，我猜是平衡的，比如我们有几乎N个0，几乎N个1，…和几乎N个9。你所做的，是保留了几乎N个5，并将其标记为1，然后将剩下的几乎9*N个样本标记为0。这意味着现在你有10%的数据标记为1（即5），而90%的数据标记为0。这是一个不平衡的情况，获得大约90%的好准确率是很正常的，但对于少数类别的预测很差。对于不平衡的情况，准确率不是一个好的度量标准，或者说可能是不够的。试着追踪精确率、召回率和F1分数。

我的建议是从非5类别中抽样（从每个类别中抽取1/10），并保留所有的5。你应该会得到更好的预测结果。