Estoy tratando de usar el validador cruzado en mis datos, pero obtengo una tasa de éxito de 0.0, lo que no tiene sentido.

Mis datos están compuestos por muestras con 5 atributos continuos y dos clases posibles: "y" y "n".

Mi código

net = pybrain.tools.shortcuts.buildNetwork(5, 8, 1)
trainer = BackpropTrainer(net, ds)
evaluation = ModuleValidator.classificationPerformance(trainer.module, ds)
validator = CrossValidator(trainer=trainer, dataset=trainer.ds, n_folds=5, valfunc=evaluation)
print(validator.validate())

Cuando estoy haciendo un entrenamiento regular como así

print(trainer.train())

Estoy obteniendo una tasa de error razonable, así que supongo que esto significa que el conjunto de datos y la red están bien, y el problema está en el validador cruzado.

¿Algunas ideas

Actualizar

Busqué en el código de validación cruzada y noté que mi red genera valores continuos y no 0/1 como se requiere. Supongo que estas son las probabilidades para cada clase. Cuando el modelo se usa dentro de los métodos de validación cruzada, no tiene en cuenta eso, y esto significa que todas las respuestas se consideran falsas, si obtengo 0 respuestas correctas. ¿Cómo puedo agregar una capa que observe los valores continuos y devuelva 0 o 1 según el que sea más grande? La documentación no está clara.