在文本分类中使用WEKA的MultilayerPerceptron输出不正确

Question

我一直在尝试使用MultilayerPerceptron神经网络来对我的数据进行分类。但是，无论采用何种配置，我总是得到相同的结果，如下所示，只有50％正确。我可以确认其他分类器似乎使用相同的数据集提供更可信的结果。

我的数据格式为'string，nominal'。

为了解释更多的预处理 - 我使用StringToWordVector过滤器将字符串转换为我的数据集中的属性（这给了我大约1000个属性）。我的类属性是名义上的属性，无论是正面还是负面。

当试图在4000（每类2000个）这些实例上交叉验证神经网络时，我会反复得到相同的结果。究竟是什么导致网络将所有内容都指向一个类？

Cross-validation output

Dataset configuration

Network configuration

Answer 1

对于寻找答案的人，我发现我必须增加隐藏层中的神经元数量。我得到了改进的结果，将其更改为100并将其更改为＆＃39;属性的数量＆＃39;，并非所有属性都映射到单个类（原始问题）。