问神经网络训练中的奇怪行为？

EN

我已经创建了一个神经网络来检测垃圾邮件。它包括以下步骤：

1.Formation of tf-idf matrix of terms and mails.
2.Reduction of matrix using PCA.
3.Feeding the 20 most important terms according to eigen values to neural network as features.

我正在训练它1-垃圾邮件和0-不是垃圾邮件。

编辑:我决定对它进行训练，采用7封邮件的批量大小，因为它在形成矩阵时容易出现内存不足错误。我使用的是标准的安然火腿和垃圾邮件数据集。我曾经通过反向传播-1输入-1隐藏-1输出层训练神经网络，第一层有20个神经元，隐层有6个神经元。

因此，我开始在我的gmail中训练我的原始垃圾邮件，在切换到安然数据集之前，结果非常糟糕。经过大量训练，取得了令人满意的结果。

当我测试时，14封邮件中有6封被检测到是垃圾邮件。

我使用了替代训练，比如垃圾邮件的批次1和垃圾邮件的批次2，等等，这样网络就会被训练为垃圾邮件的输出为1，而垃圾邮件的输出为0。

但现在经过了太多的训练，我猜大概有400-500封邮件，如果再次给出糟糕的结果的话。我降低了学习速度，但没有帮助。出什么问题了？