Python 我能'；我不理解LSTM'；s预测输出

我在学习神经网络，我带了一些样本代码去调试。。。 我想了解，如何将浮点型输出转换为二进制，因为当我尝试进行预测时，我知道事件发生的可能性，但我不知道在

0

或

1

的情况下会发生哪些事件

这是我输入的LSTM，一个三维矩阵：

[[-0.11366585  0.06156679  0.00605332  ...  -1.02887191   1.458945    -1.00647382]
 [ 0.89127279  0.39238284  0.03161757  ...   0.97193829   1.52031675  -0.76247354]]
...
[[ 3.09754916  0.15064888   2.71586375  ...  0.97193829  -0.03852574   0.54641066]
 [-0.08069378  0.6887738   -0.29432661  ...  0.97193829   0.02207886  -0.37703]]

这是数据输出：

[[0.36732605 0.6326739 ]
 [0.3584979  0.64150214]
 [0.5920879  0.40791208]
 ...
 [0.5283355  0.47166446]
 [0.5267493  0.4732507 ]
 [0.5926927  0.4073073 ]]

应该如何：

 [[1. 0.]
 [1. 0.]
 [0. 1.]
 [1. 0.]
 [0. 1.]
 ...
 [1. 0.]
 [1. 0.]
 [0. 1.]
 [1. 0.]
 [0. 1.]]

在这种情况下，正确答案是右列（>）中的答案，0和1都可以在0%到100%之间，这并不是因为低于50%，答案将是0

这是我的模型的代码：

model = Sequential()
model.add(LSTM(32, input_shape=(X.shape[1], X.shape[2]), return_sequences=True))
model.add(Dropout(0.2))

# second layer
model.add(LSTM(32, return_sequences=False))
model.add(Dropout(0.2))

# fourth layer and output
model.add(Dense(16, activation='relu'))
model.add(Dense(2, activation='softmax'))

# compile layers
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

---

当我使用预测函数时，它只给出了百分比，但它没有指出它是0还是1，我如何解决这个问题？

你得到的是每类0和1的概率。请执行以下操作：

import numpy as np
np.argmax(output,axis=1)

如果您正在使用Keras，您还可以：

model.predict_classes(X_train)

---

argmax函数并不能解决我的问题，例如，我的答案可以是0或1的60%，argmax推断50以下的都是0，50以上的都是1。。。