如何以高准确性但低概率解释我的神经网络

Question

我用角膜建立了一个经典的人工神经网络，它提供了结果（0或1）的概率（使用S型函数）。当模型适合〜90％时，模型的准确性很高，而测试集结果的结果概率非常低。我该怎么解释？

构建ANN

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)

我附上了测试集结果，可以看到结果概率。 我眼前的问题：

1. 我已经使用标准缩放器对数据进行了预处理。在了解结果之前，是否需要对y_pred进行缩放？
2. 鉴于模型的高精度，为什么我在图表上看到分布的概率，这最终使它无用。我如何进一步调整 谢谢！