这是一个相当复杂的问题，设计可能有更好的选择（我在想可能更具体到时间序列）......

然而在此之前有一个更明显的问题需要解决：您似乎正在计算“Glucose_t”数值的准确性，对吧？如果是，这是不正确的，这将解释你可怕的结果：

• 准确率是分类任务的评估指标，不是回归任务：准确率只是检查每个实例的预测值（应该是分类值）是否与黄金真实值相同，然后除以正确的数量案件总数。当然，在数字的情况下很难预测准确的真实值：如果真实值为 183，但算法预测为 184，那么即使非常接近，准确性也会将其视为不正确。这可以解释为什么您的准确性非常低。
• 典型的回归评估措施是平均绝对误差和均方误差。这些度量（及其变体）旨在计算预测数值与真实值的距离。如果您使用这些，请记住这是一个错误分数，因此值越低越好。
• 如果您想使用准确性，则将其用于您的“事件”值（我假设它源自您的“葡萄糖_t”预测？）是有意义的：在这种情况下，您有 3 个类（分类值），我敢打赌准确度会好很多。请注意，准确性可能会因类别不平衡而有所偏差，因此请不要忘记检查混淆矩阵。