csvデータを読み込むプログラムの正解率を上げたい

###やりたいこと
現状正解率をだしても5割前後しかでないため正解率を上げたい。
ロジスティック回帰を使わずに出したい。

###わかっていること
ロジスティック回帰を利用して正解率を出したときは8割弱ほどはでていた。

###現在のソースコード

from __future__ import print_function

import pandas as pd
from pandas import Series,DataFrame

from sklearn import svm
from sklearn.model_selection import train_test_split
from sklearn.metrics import confusion_matrix, accuracy_score,recall_score, precision_score,f1_score

import numpy as np
import matplotlib.pyplot as plt
import csv
import keras
from keras.models import Sequential
from keras.layers import Dense, Dropout
from keras.optimizers import Adam
from keras.optimizers import SGD
    
csvdataset = pd.read_csv("Train_Random.csv",header=0)

#説明変数
x = DataFrame(csvdataset.drop("Result",axis=1))

#目的変数
y = DataFrame(csvdataset["Result"])


#説明変数・目的変数をそれぞれ訓練データ・テストデータに分割
x_train,x_test,y_train,y_test = train_test_split(x,y,test_size=0.20)

y_test2 = y_test
#y_pred2 = x_test
pred = model.predict(x_test)
y_pred2 = [np.argmax(i) for i in pred]
y_test2 = np.array(y_test2)
y_pred2 = np.array(y_pred2)


#データの整形
x_train = x_train.astype(np.float)
x_test = x_test.astype(np.float)

y_train = keras.utils.to_categorical(y_train,10)
y_test = keras.utils.to_categorical(y_test,10)


#ニューラルネットワークの実装①
model = Sequential()

model.add(Dense(60, activation='relu', input_shape=(59,)))
model.add(Dropout(0.2))

model.add(Dense(60, activation='relu', input_shape=(59,)))
model.add(Dropout(0.2))

model.add(Dense(60, activation='relu', input_shape=(59,)))
model.add(Dropout(0.2))

model.add(Dense(10, activation='softmax'))

sgd = SGD(lr=0.01, decay=1e-6, momentum=0.9, nesterov=True)

#ニューラルネットワークの実装②
model.compile(loss='categorical_crossentropy',optimizer=sgd,metrics=['accuracy'])

#ニューラルネットワークの学習
history = model.fit(x_train, y_train,batch_size=10000,epochs=100,verbose=1,validation_data=(x_test, y_test))

#ニューラルネットワークの推論
score = model.evaluate(x_test,y_test,verbose=1)
print("\n")
print("Test 損失値:",score[0])
print("Test 正解率:",score[1])

print("y_test2=",y_test2.shape)
print("y_pred2=",y_pred2.shape)

print('confusion matrix 混合行列 =\n ', confusion_matrix(y_true=y_test2, y_pred=y_pred2))#混合行列
print('accuracy 正解率 = ', accuracy_score(y_true=y_test2, y_pred=y_pred2))#正解率（正しく分類されたデータ数の割合）
print('precision 適合率 = ', precision_score(y_true=y_test2, y_pred=y_pred2))#適合率（Aに分類されたデータで実際にAであるデータ数の割合）
print('recall 再現率 = ', recall_score(y_true=y_test2, y_pred=y_pred2))#再現率（実際にAであるデータのうちAに分類されたデータ数の割合）
print('f1 score = ', f1_score(y_true=y_test2, y_pred=y_pred2))