垃圾邮件分类测试异常：输入均被判定为垃圾邮件的解决办法

核心代码错误修正 #

你的测试代码存在几个关键问题，直接导致无论输入什么都被判定为垃圾邮件：

1. 未正确处理用户输入
   当前测试代码完全没用到输入的user_input，反而直接复用了测试集的X_test_padded，相当于每次都在对整个测试集做预测，而非用户输入的内容。必须将用户输入经过和训练数据一致的预处理流程：

   # 替换原有测试代码
   user_input = input("请输入邮件内容: ")
   # 按训练时的流程处理输入：分词编码、填充
   user_encoded = tokenizer.texts_to_sequences([user_input])
   user_padded = pad_sequences(user_encoded, maxlen=max_len)
   

2. 预测结果判断逻辑错误
   使用.all() > 0.5会检查所有预测结果是否都大于0.5，而用户输入是单个样本，应该针对单个预测值做判断：

   # 修正判断逻辑
   prediction = model.predict(user_padded)[0][0]
   if prediction > 0.5:
       print(f"[{user_input}] is spam")
   else:
       print(f"[{user_input}] is non-spam")
   

   注：model.predict返回二维数组，单个样本需通过[0][0]提取对应概率值。

3. 移除冗余代码
   user_data = [[]]属于无用变量，直接删除即可。

其他排查方向 #

如果修正后问题仍存在，需检查以下内容：

• 训练数据平衡性：若训练集中垃圾邮件占比过高，模型会偏向预测垃圾邮件。检查y_train中正负样本比例，必要时采用过采样/欠采样，或调整损失函数权重。
• 模型训练效果：查看训练时的val_acc和测试集准确率，若准确率极低，说明模型未学到有效特征。可尝试增加训练轮数、调整模型结构（如换成LSTM、提升Embedding维度）、优化文本预处理流程（如更细致的文本清洗）。
• Tokenizer一致性：确保测试时使用的tokenizer与训练时完全相同（比如训练后保存tokenizer，测试时加载），否则编码规则不一致会导致输入特征无效。

内容的提问来源于stack exchange，提问作者hstuk