Tensorflow DNNClassifier返回错误的预测

我尝试使用tensorflow作为官方网站tf.contrib.learn快速入门的示例中的句子分类器，但是使用我自己的数据，首先我通过使用字典将所有数据（长度不同的字符串）转换为id并因此将每个句子转换为整数数组。

每个培训记录都有其自己分配的标签。

问题是，即使输入等于训练基础的记录，预测也并不准确，只有一些预测是准确的，但其他预测却是错误的。
我的代码看起来像这样：

def launchModelData(values, labels, sample, actionClasses):

    #Tensor for trainig data
    v = tf.Variable(values)
    l = tf.Variable(labels)

    #Data Sample
    s = tf.Variable(sample)

    # Build 3 layer DNN with 10, 20, 10 units respectively.
    classifier = tf.contrib.learn.DNNClassifier(hidden_units=[10, 20, 10], n_classes=actionClasses)

    # Add an op to initialize the variables.
    init_op = tf.initialize_all_variables()

    # Later, when launching the model
    with tf.Session() as sess:
        # Run the init operation.
        sess.run(init_op)

        # Fit model.
        classifier.fit(x=v.eval(), y=l.eval(), steps=200)

        # Classify one new sample.
        new_sample = np.array(s.eval(), dtype=int)
        y = classifier.predict(new_sample)
        print ('Predictions: {}'.format(str(y)))

    return y

值和类实例：

[0 1] 0  
[0 2] 0  
[0 4] 0  
[7 8] 1  
[7 9] 1  
[ 7 13] 1  
[14 15] 2  
[14 16] 2  
[14 18] 2  
[20 21] 3  
[26 27] 5  
[29 27] 5  
[31 32] 5  
... 

我是tensorflow的新手，所以我尝试使其变得不太复杂，欢迎任何帮助。

编辑
我的实际训练数据是这个。

我尝试了8类，并且预测很好，所以也许我需要一个更大的语料库，我将尝试在新的编辑中显示我的输出。

编辑2

现在，我使用五层[n，2n，4n，8n，16n]组成，其中n =类和步数= 20000，这确实减少了损失并提高了准确度，但它仍然可以与几个目标一起使用（10 aprox ）的数量越大，预测就越错误。