Question

我正在尝试使用带有RBM和MLPclassifier的管道，我的输入数据将首先通过rbm，将进行降维（从513个功能到100个功能（节点）），我设法写代码似乎是正确的，但我最后得到了这个错误

UndefinedMetricWarning: Precision and F-score are ill-defined and being set 
to 0.0 in labels with no predicted samples.
'precision', 'predicted', average, 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))))

Answer 1

感谢您的回答Kumar，我试图从测试集中取一个样本，然后进行预测

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）没有经过培训！

使用RBM和MLP Sklearn的管道

1 个答案: