我用Keras訓(xùn)練了一個模型，每個行都是一個帶有特征的樣本。然后，我使用預(yù)訓(xùn)練模型進(jìn)行預(yù)測。CNNdf921 rows x 10165 columns10160我確保訓(xùn)練數(shù)據(jù)是平衡的，大約50%的樣本帶有標(biāo)簽，其余50%的樣本帶有標(biāo)簽。模型準(zhǔn)確性看起來不錯，但在預(yù)測過程中存在問題。01因此，輸入數(shù)據(jù)如下所示：X = df.iloc[:,0:10160]  X = X.to_numpy()                      X = X.reshape([X.shape[0], X.shape[1],1]) X_train_1 = X[:,0:10080,:]X_train_2 = X[:,10080:10160,:].reshape(921,80)      Y = df.iloc[:,10163:10165]Y = Y.to_numpy()我用代碼預(yù)測了帶有預(yù)測標(biāo)簽“1”（for）的樣本數(shù)量：label_1prediction = pd.DataFrame(model.predict([X_train_1,X_train_2])) prediction['label_1'] = ['0' if x < 0.5 else '1' for x in prediction['prob']]prediction[prediction['label_1'] == '1'].shape[0]/921第二行代碼計算所有樣本中樣本的比例。問題是，鑒于輸入數(shù)據(jù)具有平衡的數(shù)量和，我期望分?jǐn)?shù)約為50%左右，但計算出的分?jǐn)?shù)介于范圍?（如果不是更極端）之間，差異巨大。可能出了什么問題？label_1 ==1100.080.98