为什么二分类神经网络predict输出为浮点数而非整数？

问题原因 #

你搭建的二分类网络最后一层使用sigmoid激活函数，该函数的输出范围为0~1，本质是样本属于正类的概率值，Keras的predict接口默认返回该原始概率输出，不会自动转换为0/1二分类标签，属于正常设计，并非代码错误。

解决方法 #

你只需要对预测得到的概率值做阈值切割即可得到二分类结果，可根据你的场景选择合适的阈值：

• 通用场景使用默认0.5阈值：

# 先得到概率输出
y_pred_prob = cost_sensitive_NN.predict(X_test_NN)
# 阈值切割得到0/1标签
y_pred = (y_pred_prob > 0.5).astype(int)

• 代价敏感场景自定义阈值：
  你当前训练时设置了class_weight = {0:1, 1:100}，说明错分正类的代价远高于错分负类，为了匹配该代价设定，建议下调分类阈值（例如设置为0.2~0.3），降低正类的漏判率：

custom_threshold = 0.3
y_pred = (y_pred_prob > custom_threshold).astype(int)

注意：你当前代码仅设置了1轮训练，模型大概率处于欠拟合状态，概率输出的区分度会很差，建议先调整epoch数训练到验证集AUC不再上升后再执行预测操作。

内容的提问来源于stack exchange，提问作者Ozzie427