为什么我的 tensorflow 模型将二元分类标签从 0 和 1 转换为 0.7？

如何解决为什么我的 tensorflow 模型将二元分类标签从 0 和 1 转换为 0.7？

我一直在研究 tensorflow 模型，该模型使用动量指标预测股票市场的短期正面和负面趋势。我将模型设置为在最后 32 个时间步长中的每个时间步长中接收 7 个指标的 32x7 矩阵。如果价格在最后一个时间步之后上涨，则标签为 1，如果保持不变或下降，则为 0。

我有一个自定义指标函数，可以打印出每个时期的预测和真实值，我发现真实值不是 0 或 1，它们悬停在 ~.7 处。对于二元分类，这没有帮助，因为所有预测也将徘徊在 ~.7。谁能向我解释什么可能导致模型以这种方式改变标签？

这是模型和前 10 个 epoch 的截图以供参考。

class A
{
protected:
   int m_a,m_aa;

public:
   A() {/* empty */}
   A(int a,int aa) : m_a(a),m_aa(aa) {/* empty */}
   ~A() {/* empty */}
};

class B
{
protected:
   int m_b;
   A m_bb;

public:
   B() {/* empty */}
   B(int b,A bb) : m_b(b),m_bb(bb) {/* empty */}
   ~B() {/* empty */}
};

class C: public B
{
private:
   int m_c;
   A m_cc;

public:
   C() {/* empty */}
   C(int c,A cc);
   ~C() {/* empty */}
};

C::C(int c,A cc)
   : B(c,cc),m_c(c),m_cc(cc)
{
   // empty
}

int main()
{
   A aaa(1,2);
   C ccc(3,A(4,5)); ///how can i set values for B-members
}

First 10 epochs image