Python 神经网络Keras序列模型中概率值取0或1

我正在python库Keras上为神经网络（模型“顺序”）运行30k的训练集

当我拟合模型并计算测试集（大小=13k）上的概率时，我得到的结果仅为0或1。而我应该得到一些分数，比如0.62，0.42，0.31等等

我尝试使用class_weight并将其设置为“自动”或“平衡”，但我无法解决此问题

输出不是整数类型，仅为浮点类型

下面是代码

from keras.models import Sequential
from keras.layers import Dense
import numpy as np
seed = 8 
np.random.seed(seed)

model = Sequential()
model.add(Dense(9, input_dim=8, init='uniform', activation='relu'))
model.add(Dense(5, init='uniform', activation='relu'))
model.add(Dense(1, init='uniform', activation='sigmoid'))

from keras.optimizers import SGD
model.compile(loss='binary_crossentropy', optimizer=SGD(lr=0.01, momentum=0.9, nesterov=True), metrics=['accuracy'])

trainx = X_train.as_matrix()
trainy = y_train.as_matrix()

import time as time
start = time.time()
model.fit(trainx, trainy, nb_epoch=10, batch_size=10, verbose = 2,    class_weight ='auto')
print (time.time() - start)

X_test = X_test.as_matrix()
y_test = y_test.as_matrix()

proba = model.predict_proba(X_test, batch_size=10)

proba的值都是0。

---

数据只有2%的默认值大小写，因此它的类是不平衡的。

听起来很像您可能得到的是一个整数返回，它只能是1或0，而不是浮点返回。因此，您可以尝试查看

int

是否在代码中的任何位置将其转换为整数，或者您可能需要将其转换为

float

的某个位置。如果没有更多的上下文，就不可能说…

也许我错了，但到目前为止，我从来没有看到过这个论点是合适的：

 class_weight ='auto'

我会试试看

class_weight = {0: 1., 1: 50.}

---

事实上，您的问题似乎来自不平衡的数据集。

请在此处显示您的代码，我们可以帮助您更好地解决问题。请从检查最后一层的输入开始。如果权重较大，Softmax可以产生一个类似热的输出。您是否尝试使用

model.predict（）

？此外，如果您能给我们提供数据集的样本，也会很有帮助，因为有时问题存在（例如，标准化问题），在明确取出数据集后，会因为添加紧急乞讨而被否决。请不要试图将自己的截止日期转移给志愿者，这是不礼貌的。如果您只是无意中覆盖了对问题的编辑，请在编辑之前始终刷新页面，以便保留志愿者编辑所做的任何修改。您的模型的准确性如何？它会不会太过拟合以至于总是采用二进制结果？