二分类任务下ELM分类器输出准确率为0的问题求解

• 准确率计算逻辑与二分类设置完全不匹配：当前你设置num_classes=1，属于单输出二分类模式，但evaluate方法中使用np.argmax(pred, axis=-1)计算预测类别。对于形状为(N,1)的输出数组，沿最后一维取argmax的结果恒为0，只要真实标签不全为0，准确率会直接为0。
• 标签格式与模型输出、损失函数不匹配：若真实标签Y为one-hot编码的二分类格式（形状为(N,2)），但模型输出维度为1，维度完全不匹配，不仅准确率计算全错，二元交叉熵损失的计算也会出现异常，导致模型权重拟合失败。
• 单输出二分类后处理逻辑缺失：sigmoid激活的单输出结果为0-1区间的概率值，需要设置阈值（通常为0.5）判断最终类别，你当前代码完全没有这一步处理，直接使用针对多分类的argmax逻辑，完全不适配当前场景。

• 修正准确率计算逻辑（适配单输出二分类）
  若你坚持使用单输出二分类模式，将evaluate中的准确率计算代码替换为：

  acc = np.sum((pred > 0.5).astype(int) == Y) / len(Y)
  

  同时确认Y的形状为(N,1)，标签取值为0或1，与二元交叉熵损失的输入要求匹配。
• 调整模型参数适配one-hot编码标签
  若你的标签是形状为(N,2)的one-hot编码，将num_classes修改为2，此时原有argmax的准确率计算逻辑可正常使用，损失函数可替换为分类交叉熵，或保持二元交叉熵适配多标签场景。
• 验证输入输出维度匹配
  训练前打印X、Y的形状，确认X的形状为(N,25)，与模型输入维度匹配；Y的形状与模型输出维度num_out_units完全一致。
• 优化伪逆计算的数值稳定性
  为避免隐藏层矩阵奇异导致权重计算异常，可在伪逆计算时添加L2正则项，替换原有伪逆逻辑：

  reg_lambda = 1e-5
  H_pinv = np.linalg.inv(H.T @ H + reg_lambda * np.eye(H.shape[1])) @ H.T
  

• 验证中间输出合理性
  打印训练后的预测值pred的取值范围，确认sigmoid激活输出分布在0-1之间，没有出现数值溢出、全部收敛到0或1的异常情况。

内容的提问来源于stack exchange，提问作者ubuntu_noob