二値分類における出力層のユニット数について

Question

現在、chainerを用いて20日分の株価の終値から次の日の株価の騰落（上がるなら１、下がるなら０）を学習、予想する二値分類のモデルを組んでいるのですが、
私の理解ですと二値分類は出力層が一つだと思うのですが一つにするとうまくいかず、二つに設定するとうまくプログラムが走ってくれます。

これは私の理解が間違っているのか、理解は正しいがプログラムは正しく動いていないのかが知りたいです。

出力層を一つに設定した時のエラー文は
IndexError: index 1 is out of bounds for axis 0 with size 1
で、サイズが一つなのにインデックス１を参照しようとしてエラーを吐いているようです。

import matplotlib.pyplot as plt
import load_data
import numpy as np
from sklearn.preprocessing import MinMaxScaler
import chainer
import chainer.links as L
import chainer.functions as F
from chainer import Chain, Variable, datasets, optimizers
from chainer import report, training
from chainer.training import extensions
from chainer import iterators
import chainer.cuda

#扱うデータの選択
#x_train,x_test,y_train,y_test = load_data.fluctuations_test()
x_train,x_test,y_train,y_test = load_data.stock_test()

scaler = MinMaxScaler(feature_range=(0, 1))
x_train, x_test = scaler.fit_transform(x_train), scaler.fit_transform(x_test)

train = list(zip(x_train, y_train))
test = list(zip(x_test, y_test))

class MLP(chainer.Chain):
    
    def __init__(self, n_mid_units=100, n_out=1): #n_out...出力層の数
        super().__init__()

        with self.init_scope():
            self.fc1 = L.Linear(None, n_mid_units)
            self.fc2 = L.Linear(n_mid_units, n_mid_units)
            self.fc3 = L.Linear(n_mid_units, n_out)

    def __call__(self, x, t=None):
        h = F.dropout(F.relu(self.fc1(x)), ratio=0.5)
        h = F.dropout(F.relu(self.fc2(h)), ratio=0.5)
        h = F.dropout(F.sigmoid(self.fc3(h)), ratio=0.5)
        print(h)
        return h


batchsize = 20
train_iter = iterators.SerialIterator(train, batchsize)
test_iter = iterators.SerialIterator(test, batchsize, shuffle=False, repeat=False)

model = MLP()
net = L.Classifier(model)
optimizer = optimizers.Adam().setup(net)
updater = training.StandardUpdater(train_iter, optimizer, device=-1) # device=-1でCPUでの計算実行を指定

epoch = 1000
trainer = training.Trainer(updater, (epoch, 'epoch'), out='result')

# テストデータで評価
trainer.extend(extensions.Evaluator(test_iter, net, device = -1))

# 学習を記録
trainer.extend(extensions.LogReport(trigger=(1, 'epoch')))

# グラフに描画、保存
trainer.extend(extensions.PlotReport(['main/loss', 'validation/main/loss'], x_key='epoch', file_name='normal_nn_loss.png'))
trainer.extend(extensions.PlotReport(['main/accuracy', 'validation/main/accuracy'], x_key='epoch', file_name='normal_nn_accuracy.png'))

trainer.extend(extensions.PrintReport(['epoch', 'main/loss', 'main/accuracy','validation/main/loss', 'validation/main/accuracy', 'elapsed_time']), trigger=(1, 'epoch'))

trainer.run()