Python 3.x 当使用幕府神经网络的随机梯度下降法时，所有分类都是相同的

我试图将一些样本分类为1或0，但当使用随机梯度下降作为优化算法时，所有样本都被分类为1或0

使用默认值（L-BFGS）时，它会按预期工作，并将样本分类为1和0。我尝试过调整动量、学习率、批量大小、衰减和误差系数，但每次的误差都是一样的。任何帮助都将不胜感激

num_feats = X_train.get_num_features()
layers = DynamicObjectArray()
layers.append_element(NeuralInputLayer(num_feats))
layers.append_element(NeuralLogisticLayer(16))
layers.append_element(NeuralLogisticLayer(8))
layers.append_element(NeuralSoftmaxLayer(2))

MLP = NeuralNetwork(layers)
MLP.set_gd_momentum(0.9)
MLP.set_gd_learning_rate(0.001)
MLP.set_gd_mini_batch_size(200)
MLP.set_optimization_method(0)

MLP.set_l2_coefficient(1e-4)
MLP.set_epsilon(1e-8)
MLP.set_max_num_epochs(200)

MLP.quick_connect()
MLP.initialize_neural_network()
MLP.set_labels(y_train)

MLP.train
conf_mat_MLP = acc.get_confusion_matrix(y_pred_MLP, y_test)
print(conf_mat_MLP)

印刷品：

[[2400    0]
[ 314    0]]

用于声明SGD不是L-BFGS的行：

MLP.set_optimization_method(0)

注意：我在Scikit learn和Weka中以同样的方式使用了完全相同的训练/测试集，两者都不会产生这种错误，因此我认为这与我配置算法的方式有关，但我不知道是什么

可能有用的链接-

文件：

资料来源：

您应该（显著）降低您的最小批量-尝试20左右