0

这是我在 StackOverflow 上的第一篇文章！我正在使用MLPRegressor为我的问题生成二进制类多输出预测。一旦我得到我的预测，我使用 对所有值进行四舍五入numpy.round()，以便我可以使用accuracy_score（因为准确度分数仅适用于分类问题）。sklearn.metrics.accuracy_score在此之后，当我收到以下错误时，我尝试使用：

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

仅当我max_iter在MLPRegressor. 当我不手动设置时，回归器不会收敛但不会发生错误。

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=(9,81,729,81,81,9),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
4

1 回答 1

0

正如错误消息所述，发生这种情况是因为

分类指标不能处理多标签指标和多类多输出目标的混合

这意味着，它accuracy_score()可以在像你这样的多标签情况下工作，但如果类标签不是二进制的，则不能。

您说的是，您有一个二进制类多输出预测，但在您的预测中，除了 和 的二进制输出之外， 还包含preds[89]的值201

preds[89]

返回

array([ 0., -0., -0., -0.,  1.,  2., -0., -0., -0.])

您的预测数组中除了 89 之外的其他条目，其值不是二进制的，可以在以下位置找到：

  • preds[139]
  • preds[501]
  • preds[503]
  • preds[770]
  • preds[1039]
  • preds[1107]

因此，您现在必须确保将这些条目（它们都具有 value 2）转换为二进制标签（0or 1）才能accuracy_score()正常工作。

可能的解决方案：

您可以用值替换所有出现的2目标值1：

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

然后你可以调用你的accuracy_score()方法：

print(accuracy_score(y_test,preds))

返回

0.8367658276125095
于 2020-10-08T09:52:58.680 回答