我用Keras訓練了一個模型，每個行都是一個帶有特征的樣本。然后，我使用預訓練模型進行預測。CNNdf921 rows x 10165 columns10160我確保訓練數據是平衡的，大約50%的樣本帶有標簽，其余50%的樣本帶有標簽。模型準確性看起來不錯，但在預測過程中存在問題。01因此，輸入數據如下所示：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()我用代碼預測了帶有預測標簽“1”（for）的樣本數量：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，鑒于輸入數據具有平衡的數量和，我期望分數約為50%左右，但計算出的分數介于范圍?（如果不是更極端）之間，差異巨大?？赡艹隽耸裁磫栴}？label_1 ==1100.080.98