上传文件至 /

config.py

@@ -14,21 +14,21 @@ VECTORIZER_TYPE = 'tfidf'               # 'tfidf' 或 'bow'（向量化方式）
 
 # ==================== 模型相关 ====================
 MODEL_TYPE = 'mlp'                       # 'mlp' 或 'lr'（模型类型）
-HIDDEN_SIZE = 64                        # MLP隐藏层大小（LR忽略）
-NUM_CLASSES = 2                         # 类别数（正面/负面二分类）
+HIDDEN_SIZE = 66                        # MLP隐藏层大小（LR忽略）
+NUM_CLASSES = 3                         # 类别数（正面/负面二分类）
 KEEP_PROB = 1.0                         # Dropout保留概率（LR忽略，设为1即可）
 
 # ==================== 训练相关 ====================
-LEARNING_RATE = 0.05                    # 学习率
-NUM_EPOCHS = 100                        # 训练轮数
-BATCH_SIZE = 64                         # 批次大小
+LEARNING_RATE = 0.1                 # 学习率
+NUM_EPOCHS = 50                        # 训练轮数
+BATCH_SIZE = 55                         # 批次大小
 
 # ==================== 类别权重（解决数据不平衡问题）====================
 USE_CLASS_WEIGHT = True                 # True=启用类别权重, False=不启用（对比用）
 # 权重计算公式: n_samples / (n_classes * n_class_i)
 # 正面评论多所以权重小，负面评论少所以权重大
-CLASS_WEIGHT_POS = 0.73                # 正面类权重（自动计算）
-CLASS_WEIGHT_NEG = 1.58                # 负面类权重（自动计算）
+CLASS_WEIGHT_POS = 0.1                # 正面类权重（自动计算）
+CLASS_WEIGHT_NEG = 1.66               # 负面类权重（自动计算）
 
 # ==================== 实验相关 ====================
 RUN_COMPARISON = False                  # True=运行对比实验, False=运行单个模型