Python 查询LSTM模型的损失函数（二进制分类）

我正在建立一个LSTM模型，对价格变动进行二元分类

我的训练数据是我模拟的数据，它是一个2000行*3780列的价格变动数据框。 我有一个单独的标签文件，它将价格变动分类为1或2（由于内存）

从我所读到的内容来看，似乎有两个损失函数最适合于二进制分类：

二元交叉熵

铰链损耗

我在GoogleColab中实现了两个独立的LSTM模型，它们按预期运行

我对两个模型都有相同的代码，只是损失函数从前者的平方铰链损失变为后者的二元交叉熵

我的问题是决定哪个模型更好，因为模型输出会产生冲突的输出

铰链损耗输出：

培训产出：

损失从0.3开始，然后到0.20，在剩下的98个历次中几乎保持不变

各时期的MSE确实略有下降，从最后的2.8降至1.68。平均MSE=1.72

每个历元的精度为0.00（我不明白）

验证输出：

验证损失从0.0117开始，到最后达到9.8264e-06

验证MSE从2.4开始，到1.54结束。平均验证MSE=1.31

每个历元的验证精度为0.00（我也不明白）

二进制交叉熵损失输出：

培训产出：

损失从8.3095开始，然后在之后上升到3.83，在剩下的97个纪元中几乎保持不变

各时期的MSE确实略有下降，从最后的2.8降至1.68。平均MSE=1.69

精度从0.00开始，到最后增加到大约0.8

验证输出：

验证损失从-0.82开始，到最后达到-0.89

验证MSE从1.56开始，到1.53结束。平均验证MSE=1.30

验证精度从0.00开始，到年底增加到大约0.997

所以，我现在有一个问题：

为什么SHL模型的精度为0.00？我的模型有错误吗

我的代码保存在此处：

培训数据*和标签数据保存在以下位置：

*由于Github将文件大小限制为25 mb，此处的培训数据被拆分为两个单独的文件

任何帮助都将不胜感激

---

谢谢。

我投票结束这个问题。仅供参考，结束问题的一个原因是该问题目前包含多个问题。它应该只关注一个问题。我现在已经编辑了，谢谢你让我知道。