首先，大家要明白一点，Keras框架能使用的函数是predict和predict_classes；Sklearn中能使用的函数是predict和predict_proba。

1.predict函数：训练后返回一个概率值数组，此数组的大小为 n·k，第i行第j列上对应的数值代表模型对此样本属于某类标签的概率值，行和为1。例如预测结果为：[[0.66651809 0.53348191]，代表预测样本的标签是0的概率为0.66651809，1的概率为0.53348191。

2.输出预测值很简单，只需要在括号内加入处理好的数据集就OK：

 pt = predict(test)

输出结果过如下：

 

3.将预测值转换为0/1值，方法有两种，第一种是使用predict_classes直接输出标签值，第二种是用Numpy转换一下，具体操作如下：

print(np.argmax(pt, axis=1))

输出结果如下：
    

注意：

本人在实际操作时发现，使用predict_classes()会出现报错：'Model' object has no attribute 'predict_classes'。这是因为本系统在搭建模型时，先进行了神经网络的编写，之后使用model = Model(input=inp, output=outp)方法，此时这种综合起来的方法无法使用predict_classes()，所以需要配合numpy.argmax()方法将样本最大概率归属类别的值转化为样本的预测数组。