如何构建输出布尔结果的机器学习模型？二分类网络相关问题咨询

输出转布尔值&准确率计算 #

你当前使用的sigmoid输出层是二分类任务的标准设计，神经网络本身不会直接输出布尔值，都是先输出属于正样本的概率（0-1区间），再通过阈值截断得到布尔分类结果。
你训练时看到的accuracy指标是Keras内部默认以0.5为阈值计算的，要自行获取布尔输出和手动计算准确率，可以用如下代码：

import numpy as np

# 推理得到概率输出
pred_probs = model.predict(test_images)
# 以0.5为阈值转布尔分类结果，可根据业务需求调整阈值
pred_labels = (pred_probs > 0.5).astype(bool)

# 手动计算测试集准确率，y_test为测试集真实0/1标签
test_acc = np.mean(pred_labels == y_test)
print(f"测试集准确率：{test_acc:.4f}")

如果你的数据集正负样本分布不均，0.5不一定是最优阈值，可以根据你对precision（查准率）、recall（查全率）的需求调整阈值，比如要尽可能少漏检正样本，可以把阈值调低到0.3~0.4区间。

现有模型优化建议 #

你当前的2D CNN结构可以适配曲线图像分类的需求，但存在参数量过大的问题，在样本量较少的情况下容易过拟合，可做如下调整：

• 降低第一层卷积的核数量：输入尺寸为400800，第一层直接用512个55卷积核会导致参数量爆炸，建议降到64或128，逐层递增核数量，减少过拟合风险。
• 处理样本不平衡：
  1. 训练时传入类别权重，自动平衡不同样本的损失贡献：

  from sklearn.utils.class_weight import compute_class_weight
  
  class_weights = compute_class_weight(
      class_weight='balanced',
      classes=np.unique(y_train.flatten()),
      y=y_train.flatten()
  )
  class_weight_dict = {i: class_weights[i] for i in range(len(class_weights))}
  # 训练时传入参数
  model.fit(..., class_weight=class_weight_dict)
  

  2. 不要只用准确率作为评估指标，补充precision、recall、F1、AUC等指标，避免样本不均导致的准确率虚高：

  from sklearn.metrics import classification_report, roc_auc_score
  
  print(classification_report(y_test, pred_labels))
  print(f"测试集AUC：{roc_auc_score(y_test, pred_probs):.4f}")
  

更适配的模型选型 #

如果你的原始数据就是x-y序列格式，不需要转成图像输入，直接用1D CNN处理序列数据效率更高、参数量更小，参考结构如下：

from tensorflow.keras import Sequential
from tensorflow.keras.layers import Conv1D, MaxPooling1D, Flatten, Dense, Dropout

model = Sequential()
# 输入shape为(序列长度, 2)，2对应x、y两个特征
model.add(Conv1D(64, kernel_size=5, activation='relu', padding='same', input_shape=(seq_len, 2)))
model.add(Dropout(0.3))
model.add(MaxPooling1D())
model.add(Conv1D(32, kernel_size=5, activation='relu', padding='same'))
model.add(MaxPooling1D())
model.add(Flatten())
model.add(Dense(64, activation='relu'))
model.add(Dropout(0.3))
model.add(Dense(1, activation='sigmoid'))

如果曲线的形态特征非常依赖可视化的全局信息，继续用2D CNN的方案也完全可行，只要优化参数量即可。

内容的提问来源于stack exchange，提问作者pythonlol88