使用带有 RBM 和 MLP Sklearn 的管道
Posted
技术标签:
【中文标题】使用带有 RBM 和 MLP Sklearn 的管道【英文标题】:Using a pipeline with RBM and MLP Sklearn 【发布时间】:2018-01-10 09:52:37 【问题描述】:我正在尝试使用带有RBM
和MLPclassifier
的管道,我的输入数据将首先在 rbm 上传递,将减少维度(从 513 个特征到 100 个特征(节点)),我设法编写了代码,它似乎是正确的,但最后我得到了这个错误
UndefinedMetricWarning:精度和 F 分数定义不明确,并且 在没有预测样本的标签中设置为 0.0。 '精确', 'predicted', 平均, warn_for)
precision recall f1-score support
0 0.00 0.00 0.00 25
1 0.00 0.00 0.00 28
2 0.00 0.00 0.00 28
3 0.00 0.00 0.00 34
4 0.00 0.00 0.00 25
avg / total 0.00 0.00 0.00 140
这是我的代码
X_train, X_test, Y_train, Y_test = train_test_split(X,
Y,test_size=0.2,random_state=0)
mlp = MLPClassifier(hidden_layer_sizes=100,activation="tanh",max_iter=200)
rbm = BernoulliRBM(random_state=0, verbose=True)
classifier = Pipeline(steps=[('rbm', rbm), ('mlpclassifier', mlp)])
rbm.learning_rate = 0.06
rbm.n_iter = 20
rbm.n_components = 100
classifier.fit(X_train, Y_train)
print("MLP using RBM features:\n%s\n" % (metrics.classification_report(Y_test,
classifier.predict(X_test))))
【问题讨论】:
这不是错误。只是一个警告,对于特定的类,没有预测到样本,这会导致精度或召回计算被零除。如果可能,请添加数据,以便我们检查实际发生的情况。 【参考方案1】:感谢您的回答 Kumar,我尝试从测试集中抽取一个样本,并做出预测
print('the real label', Y_train[0])
print('the prediction', classifier.predict(X_train[0].reshape(1,-1)))
这就是我得到的输出
the real label [1 0 0 0 0]
the prediction [[0 0 0 0 0]]
在我看来分类器(管道)没有经过训练!
【讨论】:
在预测测试数据之前,你有没有打电话给classifier.fit(X_train, Y_train)
?以上是关于使用带有 RBM 和 MLP Sklearn 的管道的主要内容,如果未能解决你的问题,请参考以下文章
使用 sklearn MLP.predict_proba() 函数时找出类的标签
如何确定 sklearn 中 MLP 分类器的“损失函数”?
sklearn 的 MLP predict_proba 函数在内部是如何工作的?
sklearn MLP(多层感知机Multi-layer Perceptron)模型使用RandomSearchCV获取最优参数及可视化