深度学习中的准确性和缺失问题

Question

我正在做自学，学习将深度学习用于文本分类。 我使用Bi-LSTM模型，尝试以10个时间段更改参数以比较结果。

数据集包含大约35k行，总共有1200k标记词。该数据集标记有2个类别。调整参数后，我进行了10倍分层交叉验证，有8种情况给出了正常结果，但是这2种情况发生了。

-拳头结果： 看来该模型无法提高准确性。可能是什么原因造成的？

-第二个结果： 这可能比第一个更糟，在这种情况下，这与网络的权重更新有关吗？

如果我不愿意纠正我。 我对深度学习技术比较陌生，不熟悉某些技术术语，所以请使用错误的单词对不起。 预先感谢。

Answer 1

好的，所以您有足够的数据来训练模型，所以我想模型结构可能会变成这样，请尝试如下所示的模型结构，并确定是否可行：

input = Input layer 
model = Embedding layer
model =  Bidirectional layer
model = TimeDistributed
model = Flatten
model = Dense(100,activation='relu')(model)
output = Dense(3,activation='softmax')(model)
model = Model(input,output)

然后尝试使用Adam优化器编译模型，并在输出处使用softmax激活，我猜想如果以前不使用它会产生巨大的影响