二进制KERAS LSTM模型未输出二进制预测

Question

我已经制作了一个KERAS LSTM模型，该模型在二进制目标值中读取，并且应该输出二进制预测。但是，预测不是二进制的。我的x和y值的样本如下：

X      Y
5.06   0
4.09   1
4.72   0
4.57   0
4.44   1
6.98   1 

我要预测的是XT 1是否将高于或低于XT。如果XT 1大于XT，则XT的Y值为1。我的训练X值是932个样本的形状（932、100、1），"回头"序列为100，特征为1。我看起来像：

Predictions
.512
.514
.513

我认为这些可能是概率，因为我的模型准确性约为51％。关于如何使它们成为二进制的想法？完整的型号代码如下：

# Defining network architecture
def build_model(layers):
    model = Sequential()
    model.add(LSTM(
        input_dim=layers[0],
        output_dim=layers[1],
        return_sequences=True))
    model.add(Dropout(0.2))
    model.add(LSTM(
        layers[2],
        return_sequences=False))
    model.add(Dropout(0.2))
    model.add(Dense(
        output_dim=layers[3]))
    model.add(Activation("sigmoid"))
    start = time.time()
    model.compile(loss="binary_crossentropy", optimizer="rmsprop",metrics=['accuracy'],class_mode="binary")
    print("> Compilation Time : ", time.time() - start)
    return model
# Compiling model
model = build_model([1, 100, 500, 1])

Answer 1

这是正常行为。

神经网络中没有"二进制"，但是在范围内连续函数。

仅使用连续功能，模型才能使用"随机梯度下降"来训练和学习。

为了实现二进制结果，我们使用了从0到1的Sigmoid函数，但是最初，您的模型未经训练，其所有"权重"都是随机的初始化。结果确实是结果趋于平均值，在Sigmoid函数中为0.5。

您只需要用足够的数据来训练模型以进行足够的时代，因此结果将逐渐接近（但永远不会达到）0或1（或您在培训数据中拥有的任何目标" y"）

Answer 2

我遇到了相同的问题，并解决为：

seq_predictions=model.predict(test_sequences)
print('Outputs shape')    
print(seq_predictions.shape) # prints (n,1) but  need (n,)
seq_predictions=np.transpose(seq_predictions)[0]  # transformation to get (n,)
print(seq_predictions.shape)  # now the shape is (n,)
# Applying transformation to get binary values predictions with 0.5 as thresold
seq_predictions = list(map(lambda x: 0 if x<0.5 else 1, seq_predictions))