LSTM二分类用Sigmoid后predict_proba返回值超[0,1]范围求助

嘿，先别慌！我仔细看了你贴出来的输出结果——其实这些数值完全在[0,1]的范围内，只是用科学计数法显示而已。

举个例子：你看到的1.1198873e-07其实等于0.00000011198873，是一个非常接近0的概率值；1.5407189e-11则是0.000000000015407189，同样远小于1，完全符合sigmoid输出的概率要求。

再给你几个关键知识点：

• 在Keras框架中，当你的模型最后一层是Dense(1, activation='sigmoid')时，model.predict_proba(X_test)和model.predict(X_test)的输出是完全一致的，都是每个样本属于正类的概率值，范围天然就是[0,1]。
• 你当前的输出没有任何问题，只是科学计数法让数值看起来像是“超出范围”，本质上都是合规的概率。

如果之后真的遇到输出超出[0,1]的情况（目前你的情况不存在），那大概率是训练环节出了问题：比如模型未收敛、损失函数选错了（二分类必须搭配binary_crossentropy），或者数据没有做合适的归一化处理。但就你现在给出的结果来看，一切都是正常的~

内容的提问来源于stack exchange，提问作者shapiro