我对Python和机器学习还比较新手。我正在尝试为以下问题构建几个模型：我有一组数据，形式为x-y关系，用来描述正样本和负样本的相同类型的数据。

由于数据不均匀，有时我有2000行描述正样本，有时只有200行，我尝试将其绘制成图表，并通过一些Conv2D、MaxPooling、Flatten和Dense层进行处理。

这样做效果还不错，准确率指标在95%到100%之间，但我的问题是模型返回的是浮点数而不是真或假，我无法真正辨别模型的真实准确率有多高。我该如何继续进行呢？

另外，我可以使用哪些超参数来获得布尔返回值？还有哪些类型的模型适合这个问题？感谢您的时间。

编辑：我的模型使用以下代码：

model = Sequential()model.add(Conv2D(512,kernel_size=(5,5),activation="relu",padding="same",input_shape=(400,800,1)))model.add(Dropout(0.3))model.add(MaxPooling2D())model.add(Conv2D(256,kernel_size=(5,5),activation="relu",padding="same"))model.add(MaxPooling2D())model.add(Conv2D(128,kernel_size=(5,5),activation="relu",padding="same"))model.add(Dropout(0.3))model.add(MaxPooling2D())model.add(Flatten())model.add(Dense(256,activation="relu"))model.add(Dropout(0.3))model.add(Dense(1,activation="sigmoid"))model.compile(optimizer=Adam(learning_rate=0.0001),loss="binary_crossentropy",metrics=["accuracy"])

输出是一个在0到1之间的数字。我想知道如何构建一个具有布尔输出的神经网络，或者其他方法来获得我的测试数据的准确准确率。

回答：

您的输出包含一个sigmoid函数，这意味着正如您所说，您的网络输出的是区间[0, 1]内的值。您可以将此输出视为概率分布。因此，如果输出小于0.5，则为0/假，如果大于0.5，则输出为1/真。