Tensorflor 模型的十进制输出应该是布尔值 (1/0)
decimal output for Tensorflor model when it should be a boolean (1/0)
我有一个模型，它接收 2015-2016 年每支 NBA 球队的 boxscore，然后输出他们是赢还是输 (1/0)。这里有一些已经用数字编码的数据点。
（作为参考，WL 列被删除并成为我的 label/target）。
现在我的问题是我的模型给出了范围 (0.49-0.50~) 内的预测，而不是 1 或 0。我试图在 .compile() 内乱搞，因为我相信这很可能是我的问题所在但没有骰子。下面的代码带有一些模型预测。欣赏任何
帮助和反馈
更新编辑：
如果你在做二元分类，你不想使用均方误差作为你的损失函数。所以我首先要改变的是 'binary_crossentropy'.
的损失函数
您可以使用优化器，我看到您正在使用 SGD，但我会从 'adam' 开始。我还会使用 'relu' 作为输入层和隐藏层的激活函数。只有'sigmoid'或'softmax'的输出层。所有这些都是超参数调整和测试，你可以稍后使用，但这里最主要的是你的损失函数。所以你可能想要这样的东西。
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
或
model.compile(optimizer='sgd', loss='binary_crossentropy', metrics=['binary_accuracy'])
最后，你不一定会得到0和1。您将得到小数，您可能需要计算出阈值，默认值为 0.5。
所以输出
的任何输出
y >= 0 and y < 0.5 -----> 0
v >= 0.5 and y <=1 -----> 1
我有一个模型，它接收 2015-2016 年每支 NBA 球队的 boxscore，然后输出他们是赢还是输 (1/0)。这里有一些已经用数字编码的数据点。
（作为参考，WL 列被删除并成为我的 label/target）。
现在我的问题是我的模型给出了范围 (0.49-0.50~) 内的预测，而不是 1 或 0。我试图在 .compile() 内乱搞，因为我相信这很可能是我的问题所在但没有骰子。下面的代码带有一些模型预测。欣赏任何 帮助和反馈
更新编辑：
如果你在做二元分类，你不想使用均方误差作为你的损失函数。所以我首先要改变的是 'binary_crossentropy'.
您可以使用优化器，我看到您正在使用 SGD，但我会从 'adam' 开始。我还会使用 'relu' 作为输入层和隐藏层的激活函数。只有'sigmoid'或'softmax'的输出层。所有这些都是超参数调整和测试，你可以稍后使用，但这里最主要的是你的损失函数。所以你可能想要这样的东西。
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
或
model.compile(optimizer='sgd', loss='binary_crossentropy', metrics=['binary_accuracy'])
最后，你不一定会得到0和1。您将得到小数，您可能需要计算出阈值，默认值为 0.5。
所以输出
的任何输出y >= 0 and y < 0.5 -----> 0
v >= 0.5 and y <=1 -----> 1