java dnn_Tensorflow DNN多重分类

我正在尝试使用Tensorflow在Python 3.5中创建一个DNN，用于将元组分类为 3 类之一 .

# define initial hyperparameters

batch_size = 100

train_steps = 5000

hidden_units=[10,20,10]

# build model

dnn = tf.contrib.learn.DNNClassifier(hidden_units=hidden_units, feature_columns=feature_cols, n_classes=3)

input_fn = tf.estimator.inputs.pandas_input_fn(x=X_train, y=y_train,

batch_size=batch_size,

num_epochs=None,

shuffle=True)

# fit model to the data

dnn.fit(input_fn = input_fn, steps=train_steps)

# predict new data

predict_input_func = tf.estimator.inputs.pandas_input_fn(x=X_test,

batch_size=len(X_test),

shuffle=False)

preds = dnn.predict_classes(input_fn=predict_input_func)

X_train(和X_test)由7个数字列组成 . y_train(和y_test)由1个数字列组成，作为响应变量，[0或1或2] .

当我用上述模型预测时，我的准确度非常差(准确度为50-70％) .

似乎我已经弄清楚了为什么 - 我的模型预测新输入的类为0或2 ......所以它实际上丢失了所有类1的记录 .

有人能给我一个提示，为什么会这样？我已经读过softmax可能是解决方案......如果是这样的话，我很困惑为什么在Tensorflow文档(章节入门/ Iris分类)中描述了3类类似的DNN .

编辑：我当然尝试过不同的超参数 .