逻辑回归模型训练过程中，准确率曲线很奇怪

请问逻辑回归模型训练过程中，损失曲线正常，但是准确率曲线很奇怪，测试集保持为一个数不变，可能是什么原因呢？（样本集很小 训练集70 测试集30 服从简单的正态分布）
如图

将数据先用 sklearn 打乱下，再划分训练和测试集，再训练

• 这有个类似的问题, 你可以参考下: https://ask.csdn.net/questions/7424133
• 你也可以参考下这篇文章：机器学习中训练和验证指标曲线图能告诉我们什么？
• 除此之外, 这篇博客: 深度学习100例 | 第33天：迁移学习-实战案例教程中的 学习曲线 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  

• 我们看一下使用 MobileNet V2 基础模型作为固定特征提取程序时训练和验证准确率/损失的学习曲线。

  acc = history.history['accuracy']
  val_acc = history.history['val_accuracy']
  
  loss = history.history['loss']
  val_loss = history.history['val_loss']
  
  plt.figure(figsize=(8, 8))
  plt.subplot(2, 1, 1)
  plt.plot(acc, label='Training Accuracy')
  plt.plot(val_acc, label='Validation Accuracy')
  plt.legend(loc='lower right')
  plt.ylabel('Accuracy')
  plt.ylim([min(plt.ylim()),1])
  plt.title('Training and Validation Accuracy')
  
  plt.subplot(2, 1, 2)
  plt.plot(loss, label='Training Loss')
  plt.plot(val_loss, label='Validation Loss')
  plt.legend(loc='upper right')
  plt.ylabel('Cross Entropy')
  plt.ylim([0,1.0])
  plt.title('Training and Validation Loss')
  plt.xlabel('epoch')
  plt.show()
  

  

  注：如果您想知道为什么验证指标明显优于训练指标，主要原因是 tf.keras.layers.BatchNormalization 和 tf.keras.layers.Dropout 等层会影响训练期间的准确率。在计算验证损失时，它们处于关闭状态。

  在较小程度上，这也是因为训练指标报告的是某个周期的平均值，而验证指标则在经过该周期后才进行评估，因此验证指标会看到训练时间略长一些的模型。

• 您还可以看一下 阿勒拉哈老师的深度学习快速入门课程中的 可视化学习曲线小节, 巩固相关知识点