Python 在LSTM时间序列分类中，损失和精度保持不变

我有一个分类标签为1和0的时间序列数据。 我使用LSTM模型对序列进行分类，将100个连续的时间戳作为单个标签的输入

即使经过多个时期的训练，损失和准确性仍然保持不变，甚至没有一点变化。 我试图改变优化器（ADAM和SGD）、学习速度和层数，但问题仍然存在

你知道为什么会这样吗

这个问题与类似，但因为我找不到任何解决方案，所以我发布了一个问题

---

您的val精度是否比列车精度低很多？我粘贴了一张图像，显示损失显示的是原始数据集的余额，在100个条目中，yoiu有多少个条目？数据高度不平衡。100个条目中大约有5个是1个