在python中使用MLP分类器的不平衡数据集答案

【问题标题】：Imbalanced dataset using MLP classifier in python在python中使用MLP分类器的不平衡数据集
【发布时间】：2017-11-20 10:57:03
【问题描述】：

我正在处理不平衡的数据集，并尝试使用 MLP 分类器制作预测模型。不幸的是，该算法将测试集中的所有观察结果分类为“1”类，因此分类报告中的 f1 分数和召回值为 0。有人知道如何处理吗？

model= MLPClassifier(solver='lbfgs', activation='tanh')
model.fit(X_train, y_train)
score=accuracy_score(y_test, model.predict(X_test), )
fpr, tpr, thresholds = roc_curve(y_test, model.predict_proba(X_test)[:,1])
roc=roc_auc_score(y_test, model.predict_proba(X_test)[:,1])
cr=classification_report(y_test, model.predict(X_test))

【问题讨论】：

标签： python-3.x scikit-learn neural-network

【解决方案1】：

处理不平衡数据集的技术很少。 here 提供了一个完全专用的 Python 库“不平衡学习”。但是应该谨慎对待在特定情况下应该使用哪种技术。

https://svds.com/learning-imbalanced-classes/ 也提供了一些有趣的示例

【讨论】：