二进制分类始终输出1

keras 我正在尝试对中可用的癌症数据集进行二元分类 scikit-learn

# load dataset
from sklearn import datasets
cancer = datasets.load_breast_cancer()
cancer.data

# dataset into pd.dataframe
import pandas as pd
donnee = pd.concat([pd.DataFrame(data = cancer.data, columns = cancer.feature_names), 
                   pd.DataFrame(data = cancer.target, columns = ["target"])
                      ], axis = 1)

# train/test split
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(donnee.loc[:, donnee.columns != "target"], donnee.target, test_size = 0.25, random_state = 1)

我在这里尝试遵循keras的教程: https://keras.io/#getting-started-30-seconds-to-keras

问题是,我总是得到相同的损失值( 6.1316862406430541 ),并且具有相同的精度( 0.61538461830232527 ),因为预测总是1。

我不确定是不是因为代码错误:

• X_train 是不是错了?
• epochs 和/或 batch_size .

• 如果我没有错的话,如果层没有偏差,所有1个预测都是可能的,我还不知道它们是如何初始化的
• 但也许是别的原因,也许只有一层就太少了?(如果是这样,我想知道为什么keras的教程只有一层……)

这是我的代码,如果你有任何想法:

import keras
from keras.models import Sequential

model = Sequential()

from keras.layers import Dense

model.add(Dense(units=64, activation='relu', input_dim=30))
model.add(Dense(units=1, activation='sigmoid'))
model.summary()

model.compile(loss = keras.losses.binary_crossentropy,
              optimizer = 'rmsprop',
              metrics=['accuracy']
              )

model.fit(X_train.as_matrix(), y_train.as_matrix().reshape(426, -1), epochs=5, batch_size=32)

loss_and_metrics = model.evaluate(X_test.as_matrix(), y_test.as_matrix(), batch_size=128)
loss_and_metrics

classes = model.predict(X_test.as_matrix(), batch_size=128)
classes