因此，我正在针对二进制分类问题训练神经网络，并且我的案例 (1) 和控件 (0) 不平衡，因此我对案例进行了过采样，以便训练集由控件组成 0.5053。我没有平衡我的测试集，即 0.562 个控件。一开始我的训练和测试准确率上升（它仍然不是很准确，但我希望会是这种情况），但随后训练准确率急剧下降，而测试准确率趋于平稳。

它们最终的精度分别为 0.5053 和 0.562，因此网络只是对所有内容进行了相同的分类。我不明白这种行为是如何产生的，因为我认为平衡我的训练集可以避免将所有内容分类为相同的问题？此外，训练集开始从 50/50 开始向上学习，但我无法理解它的回归。我能做些什么来防止这种情况发生吗？或者我应该在训练准确度开始下降时提前停止？

任何见解将不胜感激！

opt = tf.keras.optimizers.SGD（lr=0.000001，动量=0.9，衰减=0，nesterov=True）

模型 = keras.Sequential([keras.layers.Dense(100,kernel_initializer='he_uniform',bias_initializer=keras.initializers.Constant(值=0.01),activation=tf.nn.relu,kernel_regularizer=regularizers.l2(0.1) ), keras.layers.Dense(100,kernel_initializer='he_uniform',bias_initializer=keras.initializers.Constant(值=0.01),activation=tf.nn.relu, kernel_regularizer=regularizers.l2(0.1)), keras.layers .密集（1，激活=tf.nn.sigmoid）]）

model.compile(optimizer=opt, loss='binary_crossentropy', metrics=['accuracy'])