keras，scikit-learn，python，二进制分类混淆矩阵(我可能有一个bug)

Question

这是在github中查看的代码，示例输出也在我所能看到的范围内可见(对我有用)这是github上的jupyter笔记本。https://github.com/late347/cognitive-systems-health-applications/blob/master/NeuralNetworks_case1_v1.ipynb

我正在用python和keras制作一个用于二进制分类的神经网络，scikit学习

我的神经网络似乎能很好地编译、训练和验证。

问题是在我的代码末尾，那里有混乱矩阵打印输出。。。对于混淆矩阵，这些结果看起来不合理问题可能就在附近

# Print total accuracy and confusion matrix
val_predicts = model.predict(df_norm)
y_pred = argmax(val_predicts, axis = 1)
cm = confusion_matrix(groundTruth, y_pred)
print(val_predicts)
print(y_pred)
print(cm)

使用该图，如果您在验证阶段选择verbose=1，您可以看到准确率倾向于约80%，并且从图中可以看到一些过拟合。

但在y-pred打印输出中，我将所有值都设为零。。。

我不确定是什么原因。。。如果准确度约为80%，y-pred怎么可能全为零。

我记得在输出层上也使用sigmoid，但我有一种恼人的感觉，你仍然需要对从sigmoid得到的结果进行四舍五入。(即，如果您的S形结果高于或等于0.5=>转换为1.0)

Answer 1

y_pred = argmax(val_predicts, axis = 1)这会导致您的预测输出全零，因为您只有一个单元素数组，并且最大值显然是第零个索引处的项。相反，你应该做如下

y_pred = [1 * (x[0]>=0.5) for x in val_predicts]