使用带有RBM和MLP Sklearn的管道

Question

我尝试使用带有RBM和MLPclassifier的管道，我的输入数据将首先传递给rbm，将降维(从513个特性降到100个特性(节点))，我成功地编写了代码，它似乎是正确的，但我最终得到了这个错误

UndefinedMetricWarning:在没有预测样本的标签中，精度和F分数定义不清，并被设置为0.0。“精度”，“预测”，平均值，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

这是我的密码

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

谢谢你的回答，库马尔，我试着从测试集中抽取一个样本，并做一个预测。

print('the real label', Y_train[0])
print('the prediction', classifier.predict(X_train[0].reshape(1,-1)))

这就是我作为输出所得到的

the real label [1 0 0 0 0]
the prediction [[0 0 0 0 0]]

在我看来，分类器(管道)似乎没有经过训练!！