为什么简单的前馈Keras模型在Dota2数据集上具有如此高的val_acc？

Question

我正在学习Keras，并使用UCI的Dota2数据集，其中我仅使用一项功能：挑选十个（每边五个）不同的英雄（角色），并以输赢作为目标。结果是令人难以置信的和不合理的高，如训练结束阶段的0.99，验证准确性约为0.95，损失<0.1。模型和结果非常令人满意，但是仅基于双方挑选的英雄并不能令人信服地具有如此高的预测准确性。 （也就是说，当挑选英雄时，游戏的结果基本上注定了）

背景信息：最被认为是“ OP”英雄的一个版本通常被大数据获胜的概率约为58％至61％。

撇开英雄的互动影响，即使有五个“最强”的英雄都在与五个“最弱”的英雄作斗争，从统计学上讲，获胜几率也不能这么高。 所以我想知道原因是什么，是对还是错。

使用的激活函数在前几层是relu（用于有关是否选择了此英雄的单点编码数据），而其余部分则是Sigmoid，因为结果是二进制的。优化程序= Adam（lr = 0.0001），损失='binary_crossentropy'。

我绘制了非常双极化的预测。由于乙状结肠的范围多次，上边界像0.81，下边界像0.1

感谢所有可能的想法。