R:model中的h2o在我的目标特征为二进制时产生一个负的predClass值。这是什么意思？

当我的目标特征是二进制时，我的模型产生一个负预测分类器。这是否意味着h2o.deeplearning中的神经网络认为负值超过100%可能为零

我的代码如下：

modeldataset <- h2o.importFile(path = modeldata)

train<- as.h2o(modeldataset)
model<- h2o.deeplearning(x = colnames(train[1:45]), y = "Target", training_frame=train, 'exact_quantiles= False', score_training_samples = 0)

as.h2o(testdata)
as.h2o(modeldataset)

testdata$predClass = h2o.predict(model, newdata=testdata)    # obtain the class (0/1)
testdata$predProb = h2o.predict(model, newdata=testdata)

 h2o.exportFile(testdata, 'file/path', parts = 1)

---

modeldataset这个问题已经被问了好几次，通常问题是您忘记将数值响应转换为因子（参见函数）和/或将算法中的
分布
参数指定为
bernoulli

看一下分布参数的概述，它应该有助于澄清问题
 请发布一个完全可复制的示例：