为什么我的 tensorflow 模型将二进制分类标签从 0 和 1 转换为 .7？答案

【问题标题】：Why is my tensorflow model transforming binary classification labels from 0 and 1 to .7?为什么我的 tensorflow 模型将二进制分类标签从 0 和 1 转换为 .7？
【发布时间】：2021-04-01 18:43:01
【问题描述】：

我一直在研究一个张量流模型，该模型使用动量指标预测股市的短期正面和负面趋势。我将模型设置为在最后 32 个时间步长的每个时间步中采用 7 个指标的 32x7 矩阵。如果价格在最后一个时间步之后上涨，则标签为 1，如果价格保持不变或下降，则为 0。

我有一个自定义度量函数，可以打印出每个时期的预测和真实值，我发现真实值不是 0 或 1，它们徘徊在 ~.7。对于二元分类，这没有帮助，因为所有预测也将徘徊在 ~.7。谁能向我解释一下可能导致模型以这种方式更改标签的原因？

这是模型和前 10 个 epoch 的截图供参考。

def true(y_true, y_pred):
  return y_true
def pred(y_true, y_pred):
  return y_pred

model = tf.keras.models.Sequential([
          tf.keras.layers.Conv2D(50, kernel_size=(3,3), padding='same', 
            kernel_regularizer=tf.keras.regularizers.l2(0.01)),
          tf.keras.layers.AveragePooling2D((2,2)),
          tf.keras.layers.Conv2D(25, kernel_size=(2,2), padding='same', 
            kernel_regularizer=tf.keras.regularizers.l2(0.01)),
          tf.keras.layers.AveragePooling2D((2,2)),
          tf.keras.layers.Flatten(),
          tf.keras.layers.Dense(1, activation='sigmoid'),
  ])
model.compile(optimizer=tf.keras.optimizers.Adam(lr=1e-5,), loss=tf.keras.losses.Huber(), metrics= 
     ['binary_accuracy', 'mae', pred, true])
model.fit(X,Y, validation_data = (X_val, Y_val), epochs=100, batch_size=100, callbacks=[])

First 10 epochs image

【问题讨论】：

您正在查看真实值的平均值，而不是实际真实值本身。真正的值不会被 keras 改变。
@Dr.Snoopy 这是有道理的，但为什么预测都停留在那个意思上呢？我正在尝试创建一个可部署的模型，但它需要能够为此预测 0 和 1。

标签： python tensorflow keras conv-neural-network classification

【解决方案1】：

因为你在你的二元分类模型的最后一层使用了sigmoid激活函数，这是绝对正确的。

Sigmoid 激活函数会给出 0 到 1 之间的输出结果。

对于较小的值 (其中 sigmoid 返回接近于零的值，预测类将假定为 0。
对于较大的值 (>0.5)，
当函数接近 1 时，预测的类将被假定为 1。

您可以使用以下代码将输出值从十进制更改为 0,1

predictions = tf.where(predictions < 0.5, 0, 1)
print('Predictions:\n', predictions.numpy())

【讨论】：