我有一个分类问题，试图预测 6 个类别。输入特征是心电图信号。这是数据集的标签；
anger, calmness, disgust, fear, happiness, sadness
这是数据集的样子；
ecg 0 1 2 3 4 5
0 [[0.1912, 0.3597, 0.3597, 0.3597, 0.3597, 0.35... 1 0 0 0 0 0
1 [[0.2179, 0.4172, 0.4172, 0.4172, 0.4172, 0.41... 1 0 0 0 0 0
2 [[0.1986, 0.3537, 0.3537, 0.3537, 0.3537, 0.35... 0 1 0 0 0 0
3 [[0.2808, 0.5145, 0.5145, 0.5145, 0.5145, 0.51... 0 1 0 0 0 0
4 [[0.1758, 0.2977, 0.2977, 0.2977, 0.2977, 0.29... 0 0 1 0 0 0
5 [[0.2183, 0.396, 0.396, 0.396, 0.396, 0.396, 0... 0 0 1 0 0 0
6 [[0.204, 0.3869, 0.3869, 0.3869, 0.3869, 0.386... 0 0 0 1 0 0
7 [[0.1695, 0.2823, 0.2823, 0.2823, 0.2823, 0.28... 0 0 0 1 0 0
8 [[0.2005, 0.3575, 0.3575, 0.3575, 0.3575, 0.35... 0 0 0 0 1 0
9 [[0.1969, 0.344, 0.344, 0.344, 0.344, 0.344, 0... 0 0 0 0 1 0
10 [[0.2312, 0.4141, 0.4141, 0.4141, 0.4141, 0.41... 0 0 0 0 0 1
11 [[0.1862, 0.3084, 0.3084, 0.3084, 0.3084, 0.30... 0 0 0 0 0 1
12 [[0.2605, 0.47, 0.47, 0.47, 0.47, 0.47, 0.3814... 1 0 0 0 0 0
13 [[0.2154, 0.3733, 0.3733, 0.3733, 0.3733, 0.37... 1 0 0 0 0 0
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
如您所见，我对标签进行了 one-hot 编码。
问题是，无论我尝试什么，准确度都不会高于 0.2而且它总是在每个时代重演。我将此数据集称为 "non-weighted" 的原因是因为每个类标签都有相同数量的实例。例如，如果有60行数据，标记为"anger" ，那么还有 60 "calmness" , 60 "disgust"等等。我认为，这导致模型总是预测同一类，这就是准确性不会改变的原因。
有什么办法可以解决这个问题吗？提前致谢。
编辑: 我尝试将此分类问题转换为“二元分类”。我只是消除了所有标签并将它们转换为愤怒或的单个标签>不生气。在我的 keras 模型中，我仅将损失函数从“categorical-crossentropy”更改为“binary-crossentropy”。之后，模型的准确率发生了巨大的变化，我的准确率超过了 80%。所以，我不知道这意味着什么以及我应该从这个结果中理解什么。但不知何故，当我的数据集中有超过 2 个类并且它不是二元分类问题时，准确率低于 %20，并且它在每个时期都会重复。
最佳答案
拥有一个平衡的数据集，即每个类具有相同数量的样本，比不平衡的数据集要好。所以我认为这不是问题。
如果您在训练中没有对数据进行打乱，那么您绝对应该这样做。
如果您已经这样做了，我认为您最好检查一下您的数据集和网络。
对于数据集，简单地绘制一些样本，看看是否可以正确分类。如果您做不到，这意味着您的数据有问题。
对于模型，只需运行测试列车实验，该实验使用非常少量的样本，例如 100 个，并使用完全相同的训练集进行测试。这个想法是，如果你的网络有效，它应该很快就会过度适应这个较小的数据集。否则，这意味着您的网络遇到了一些严重的问题。
其他一些快速提示:
- 使用适中的批量大小，例如 16 或 32
- 删除所有批量归一化层(如果有)
- 尝试不同的学习率
关于python - 非加权类别标签 - 准确性不会改变，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/55505340/