本文旨在解决keras二分类模型在平衡数据集上始终预测单一类别的问题。文章深入分析了数据中可能缺乏底层相关性、特征复杂性以及模型选择不当等潜在原因。我们提供了一套全面的解决策略，包括强化探索性数据分析（eda）、优先尝试传统统计模型以验证特征有效性、精细化特征工程，以及在数据理解基础上优化深度学习模型的实用建议，旨在帮助开发者构建更鲁棒、准确的分类器。

当Keras构建的二分类模型在训练后始终预测单一类别时，这是一个常见的、令人困扰的问题，即使数据集本身是平衡的。这种现象表明模型未能从数据中学习到有效的区分模式，而是采取了最保守的策略——总是输出训练集中损失最小的那个类别。

问题复现与初步分析

开发者遇到的问题是，一个用于预测“销售额”（sales）的Keras神经网络模型，在经过训练后，其混淆矩阵显示所有预测都集中在“Negative”（或类别0）上，即True Positives (TP) 和 False Positives (FP) 均为零。这意味着模型完全无法识别正类别。

开发者采取了以下典型步骤：

Wikclawpedia Archive Access

访问、搜索、检索并提交 Wikclawpedia 代理档案中经核实的代理、平台、瞬间、语录和创作者条目。

下载

1. 数据准备：

   • 将sales列二值化（False或True），并使用LabelEncoder对类别和布尔类型特征进行编码。
   • 将accessed_date时间戳转换为浮点数。
   • 分离特征（X）和目标（Y），并对X进行Normalizer标准化处理。

     import numpy as np
     import pandas as pd
     from sklearn.preprocessing import LabelEncoder, Normalizer
     from sklearn.model_selection import train_test_split
     import tensorflow as tf
     from tensorflow.keras.models import Sequential
     from tensorflow.keras.layers import Dense, Dropout
     from tensorflow.keras.initializers import he_normal

   假设 purchase_data 已加载

   data = purchase_data.copy() labelencoder = LabelEncoder() target_sum = 120 data.loc[data['sales'] <= target_sum, 'sales'] = False data.loc[data['sales'] > target_sum, 'sales'] = True

   编码类别和布尔特征

   for col in data.columns.values.tolist(): if data[col].dtype == "object" or data[col].dtype == "bool": data[col] = labelencoder.fit_transform(data[col])

   转换日期时间

   data['accessed_date'] = data['accessed_date'].apply(lambda x: x.timestamp())

   分离特征和目标

   array = data.values class_column = 'sales' X = np.delete(array, data.columns.get_loc(class_column), axis=1) Y = array[:,data.columns.get_loc(class_column)] Y = Y[:, np.newaxis] # 调整Y的形状以适应Keras

   标准化输入特征

   scaler = Normalizer().fit(X) X = scaler.transform(X)

2. 数据集划分：

   • 使用train_test_split将数据划分为训练集和测试集，并设置stratify=Y以确保训练集和测试集中的类别分布与原始数据保持一致。

     seed = 1
     X_train, X_test, Y_train, Y_