为什么Keras LSTM的准确率保持为零，而其他指标在训练时有所提高？

Keras LSTM模型的准确率保持为零，而其他指标在训练时有所提高可能是由于以下几个原因：

1. 数据标签的不平衡：如果数据集中的正负样本比例严重失衡，即正样本数远远小于负样本数，那么模型可能会倾向于预测为负样本，导致准确率为零。这种情况下，准确率不是一个合适的评估指标。可以考虑使用其他指标如精确率、召回率、F1-score等来评估模型的性能。
2. 模型配置问题：LSTM模型的准确率为零也可能是由于模型配置不当导致的。可以尝试调整LSTM的超参数，如调整隐藏层的神经元数、学习率、批量大小等，以及尝试不同的激活函数、损失函数等来优化模型性能。
3. 数据预处理问题：在使用LSTM模型之前，确保数据经过适当的预处理是非常重要的。可能存在数据缺失、异常值、噪声等问题，这些问题可能会影响模型的训练效果。可以尝试对数据进行归一化、填充缺失值、去除异常值等预处理操作，以提高模型的性能。
4. 过拟合问题：过拟合是指模型在训练数据上表现良好，但在新数据上表现较差的情况。如果LSTM模型出现准确率为零的问题，而其他指标在训练时有所提高，可能是由于模型过拟合了。可以尝试使用正则化技术（如L1/L2正则化、dropout等）来缓解过拟合问题，同时增加训练数据量也是减少过拟合的有效方法。

请注意，以上答案仅为可能的原因和解决方案，具体问题具体分析，需要根据具体情况进行调试和优化。