Keras二分类模型验证准确率为1却仅预测类别0的问题排查

核心问题：预测逻辑错误 #

你代码里的预测步骤用了完全错误的处理方式：

y_pred = model_net.predict(X_test).argmax(1)

你的神经网络最后一层是Dense(1, activation='sigmoid')，输出是单个0-1之间的概率值，代表样本属于类别1的概率。但argmax(1)是在维度1上取最大值的索引，而你的输出形状是(16516, 1)，维度1只有一个元素，索引只能是0，所以所有预测结果全为0。

正确的预测逻辑 #

把sigmoid输出通过阈值（通常设为0.5）转换为类别标签：

y_pred_proba = model_net.predict(X_test)
# 概率>=0.5则判定为类别1，否则为0，最后展平成一维数组
y_pred = (y_pred_proba >= 0.5).astype(int).flatten()

关于训练日志的说明 #

你看到训练时val_accuracy接近100%是真实的——Keras在二分类任务中计算accuracy时，默认会用0.5作为阈值把sigmoid输出转成类别，和真实标签对比。也就是说模型本身已经训练好了，只是你预测时的逻辑错误导致结果异常。

额外建议：数据缩放的正确姿势 #

虽然你提到缩放会降低其他模型的准确率，但神经网络对数据尺度更敏感。你可以单独给神经网络做数据预处理，不影响其他模型：

from sklearn.preprocessing import StandardScaler

# 只针对神经网络的训练/测试集做缩放
scaler = StandardScaler()
X_train_net = scaler.fit_transform(X_train)
X_test_net = scaler.transform(X_test)

# 用缩放后的数据训练神经网络
run_hist = model_net.fit(X_train_net, y_train, ...)

内容的提问来源于stack exchange，提问作者Mystic