我見過幾個有類似問題的問題，但沒有一個能解決我的問題。我正在嘗試將 Keras 中的神經網絡擬合到具有 22 個輸入特征的數據集以進行二進制分類。問題是我只有 195 個訓練樣本。我知道這是一個小數據集，但我不知道是否有可能以合理的準確度擬合模型（我的目標是> 95％的準確度）。我遇到的問題是我的模型只輸出 1 并獲得 75% 的準確率，因為我的數據集是 75% 的正例。這是我的代碼：data = pd.read_csv("") #filename omitted, but it loads properlyscaler = MinMaxScaler()X = scaler.fit_transform(X)Y = data['status']X = data.drop(['status', 'name'], axis = 1)xTrain, xTest, yTrain, yTest = train_test_split(X, Y, train_size = 0.8)model = Sequential()model.add(Dense(48, input_shape=(22,), activation = 'relu'))model.add(Dropout(0.5))model.add(Dense(1, activation = 'softmax'))optim = keras.optimizers.adam(lr=0.0001)model.compile(optimizer = optim, loss = 'binary_crossentropy', metrics = ['accuracy'])model.fit(xTrain, yTrain, epochs = 20, batch_size = 5, validation_data = (xTest, yTest))我嘗試添加更多隱藏層，增加訓練 epoch 的數量，并增加和降低優化器的學習率，但準確度保持不變。這是數據集的鏈接：https ://www.dropbox.com/s/c4td650b4z7aizc/fixed.xlsx?dl=0