为什么无论什么情况，该模型的准确性和f1分数都相同？

Question

在进行了一些数据整理之后，我得到了一些变量，这些变量要么是标记为0或1的分类变量，要么是数值变量，这些变量已被标准化为0.0到1.0的值。然后在这里定义和运行模型：

def baseline_model():
    # create model
    model = Sequential()
    model.add(Dense(8, input_dim=6, activation='relu'))
    model.add(Dense(2, activation='softmax'))
    # Compile model
    model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
    return model

# Fit the model
estimator = KerasClassifier(build_fn=baseline_model, nb_epoch=200, batch_size=10, verbose=0)

kfold = KFold(n_splits=5, shuffle=True, random_state=seed)
results = cross_val_score(estimator, X, Y, cv=kfold, scoring="f1_macro")
print("\nF1 score: %.2f%% (%.2f%%)" % (results.mean()*100, results.std()*100))

但是，无论我加入X的哪些功能或其中多少功能，F1得分始终为49.79％

编辑：我也用不同的优化器进行了测试，但结果仍然相同