Создание матрицы путаницы вручную с использованием выходных данных model.predict()

У меня уже есть модель, и у меня есть цикл для ее обучения. Цикл можно посмотреть здесь:

for idx, (x, y) in enumerate(train_dataset):
  pred = model.predict_on_batch(x)
  print(model.test_on_batch(x, pred, reset_metrics=False, return_dict=True))
  print(model.train_on_batch(x, y, reset_metrics=False))
  print(f"After {idx} entries")

Я хотел бы создать пользовательскую матрицу путаницы и также иметь возможность вычислять точность модели из этой матрицы. При запуске этого блока кода:

for x, y in train_dataset.take(10):
  print(model.predict(x))

Я получаю это как вывод:

[[-0.00407019]]
[[-0.01000004]]
[[-0.00080154]]
[[-0.0159038]]
[[-0.00301645]]
[[-0.0147643]]
[[-0.00481013]]
[[-0.00032348]]
[[-0.00791026]]
[[-0.00795541]]

Как я могу сравнить вывод этого решения от model.predict() до 0 или 1, чтобы выделить, что я должен добавить в матрицу путаницы.

Думаю, мне нужно создать что-то подобное, если я могу выводить 0 или 1 из model.predict()

if model.predict(x) == 0:
    foo()
if model.predict(x) == 1:
    foo1()

You can see the model here:

```python
model = tf.keras.Sequential([
    encoder,
    tf.keras.layers.Embedding(
        input_dim=len(encoder.get_vocabulary()),
        output_dim=64,
        # Use masking to handle the variable sequence lengths
        mask_zero=True),
    tf.keras.layers.Bidirectional(tf.keras.layers.LSTM(64)),
    tf.keras.layers.Dense(64, activation='relu'),
    tf.keras.layers.Dense(1)
])

Заранее спасибо!