我正在尝试对我的数据使用交叉验证器，但我的成功率为 0.0，这没有意义。
我的数据由具有 5 个连续属性和两个可能的类的样本组成：“y”和“n”。
我的代码：
net = pybrain.tools.shortcuts.buildNetwork(5, 8, 1)
trainer = BackpropTrainer(net, ds)
evaluation = ModuleValidator.classificationPerformance(trainer.module, ds)
validator = CrossValidator(trainer=trainer, dataset=trainer.ds, n_folds=5, valfunc=evaluation)
print(validator.validate())
当我像这样进行常规训练时
print(trainer.train())
我得到了一个合理的错误率，所以我猜这意味着数据集和网络没问题，问题出在交叉验证器上。
有任何想法吗？
更新：
我查看了交叉验证代码，注意到我的网络输出连续值，而不是所需的 0/1。我猜这些是每个班级的概率。当模型在交叉验证方法中使用时，它并没有考虑到这一点，这意味着所有答案都被视为 flase，我得到 0 个正确答案。如何添加一个查看连续值并根据较大者返回 0 或 1 的层？文档不清楚。