使用带有 RBM 和 MLP Sklearn 的管道

Posted 2023-03-12

【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)？