如何解释我的神经网络高精度，但低概率的结果

Question

我用keras构建了一个经典的ANN，它提供了结果（0或1）的概率（使用sigmoid函数）。当模型拟合到90%时，模型的精度很高，但测试集结果的概率很低。我怎么解释这个？你知道吗

建安

classifier = Sequential()
classifier.add(Dense(activation="relu",input_dim=7,kernel_initializer="uniform", units = 4))
classifier.add(Dense(activation="relu",kernel_initializer="uniform", units = 4))
classifier.add(Dense(activation="sigmoid", kernel_initializer="uniform", units = 1))
classifier.compile(optimizer="adam", loss="binary_crossentropy",metrics=['accuracy'])
classifier.fit(X_train,y_train, batch_size=10,epochs=100)

预测结果：

y_pred = classifier.predict(X_test)

我附上了测试集的结果，在那里可以看到结果的概率。 我眼前的问题是：

1. 我使用了标准的定标器来预处理数据。在我了解结果之前，我是否需要取消y\ U pred的缩放比例？你知道吗
2. 考虑到模型的高精度，为什么我会在图表上看到分布概率，这最终使它变得毫无用处。如何进一步调整 谢谢！你知道吗