如何解释没有负面预期？

Question

我已经用Keras建立了这个模型：

model = Sequential()
model.add(LSTM(50, return_sequences=True,input_shape=(look_back, trainX.shape[2])))
model.add(LSTM(50))
model.add(Dense(1, activation='sigmoid'))
model.compile(loss='binary_crossentropy', optimizer='adam',metrics=['accuracy'])
model.fit(trainX, trainY,validation_split=0.3, epochs=50, batch_size=1000, verbose=1)

结果令人惊讶...当我这样做时：

trainPredict = model.predict(trainX)
testPredict = model.predict(testX)
print(confusion_matrix(trainY, trainPredict.round()))
print(confusion_matrix(testY, testPredict.round()))

我分别得到：

[[129261      0]
[   172 129138]]

和

[[10822     0]
[10871     0]]

换句话说，我的训练混淆矩阵很好，而我的测试混淆矩阵将每个人都归类为“阳性”。令人惊讶的是，我在培训和测试方面都拥有非常完美的平衡实例。

我为什么要这个？

谢谢