sklearn.neural_networks.MLPRegressor-无法计算准确性得分

问题描述

这是我关于StackOverflow的第一篇文章！我正在使用MLPRegressor为我的问题生成一个二进制类的多输出预测。获得预测后，我将使用numpy.round()舍入所有值，以便可以使用accuracy_score（因为准确度分数仅适用于分类问题）。此后，当出现以下错误时，我尝试使用sklearn.metrics.accuracy_score：

ValueError: Classification metrics can't handle a mix of multilabel-indicator and multiclass-multioutput targets

仅当我在max_iter中手动设置MLPRegressor关键字参数时，才会发生此错误。如果不手动设置，回归器不会收敛，但是不会发生错误。

from sklearn.neural_network import MLPRegressor
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
import numpy as np
from joblib import dump,load
data = np.loadtxt('tictac_multi.txt')
X = data[:,:9]
y = data[:,9:]
X_train,X_test,y_train,y_test = train_test_split(X,y,test_size = 0.20,random_state=7)
regr = MLPRegressor(random_state=7,hidden_layer_sizes=(9,81,729,9),activation='tanh',learning_rate='invscaling',solver='adam',max_iter = 400).fit(X_train,y_train)
preds = regr.predict(X_test)
preds = np.round(preds)
print(accuracy_score(y_test,preds))

这是数据集的链接：http://www.connellybarnes.com/work/class/2016/deep_learning_graphics/proj1/tictac_multi.txt

堆栈跟踪：

Traceback (most recent call last):
  File "mlp.py",line 21,in <module>
    scores.append(accuracy_score(y_test,preds))
  File "C:\Users\animu\AppData\Local\Programs\Python\Python37\lib\site-packages\sklearn\utils\validation.py",line 73,in inner_f
    return f(**kwargs)
  File "C:\Users\animu\AppData\Local\Programs\Python\Python37\lib\site-packages\sklearn\metrics\_classification.py",line 187,in accuracy_score
    y_type,y_true,y_pred = _check_targets(y_true,y_pred)
  File "C:\Users\animu\AppData\Local\Programs\Python\Python37\lib\site-packages\sklearn\metrics\_classification.py",line 91,in _check_targets
    "and {1} targets".format(type_true,type_pred))
ValueError: Classification metrics can't handle a mix of multilabel-indicator and multiclass-multioutput targets

解决方法

错误消息指出，这是因为

分类指标无法处理multilabel-indicator和 多类多输出目标

这意味着accuracy_score()可以在多标签的情况下（例如您的情况）使用，但是如果类标签不是二进制的则不能。

您要说明的是，您具有二进制类多输出预测，但是在预测中，preds[89]除了2和{{的二进制输出之外，还包含值0。 1}}

1

返回

preds[89]

在预测数组中除89以外的其他条目（其值不是二进制）可以在以下位置找到：

• array([ 0.,-0.,1.,2.,-0.])
• preds[139]
• preds[501]
• preds[503]
• preds[770]
• preds[1039]

因此，您现在必须确保将这些条目（所有条目的值均为preds[1107]）转换为二进制标签（2或0），以使{ {1}}上班。

可能的解决方案：

您可以将所有出现的目标值1替换为值accuracy_score()：

2

然后，您可以调用1方法：

for outer_index in range(preds.shape[0]):
  for index in range(preds[outer_index].shape[0]):
    if(np.abs(preds[outer_index][index]) != 0 and np.abs(preds[outer_index][index]) != 1):
      preds[outer_index][index]=1

返回

accuracy_score()