種解決方案是使用簡單的統(tǒng)計解釋，其中我們將使用0.5截止值。因此，高于0.5的所有內(nèi)容將被視為1，低于0的內(nèi)容將被視為0

import numpy as np

pred =  np.array([[0.9434484 ]
 ,[0.3787447 ]
 ,[0.87870705]
 ,[0.7575223 ]
 ,[0.39714795]])

np.round(pred)
Out[37]: 
array([[1.],
       [0.],
       [1.],
       [1.],
       [0.]])

如果結(jié)果不是一個概率，那么：

def sigmoid(x):
  return 1 / (1 + math.exp(-x))

必須用于將其縮放到0-1比例

步驟5 model.predict(x_test)可以替換為：

model.predict_classes(x_test)

在序列模型中預(yù)測類。如果您將來在功能模型中需要此功能，以下是解決方案：

y_prob = model.predict(x_test) 
y_classes = y_prob.argmax(axis=-1)