我的模型预测了完全错误的结果。对于两类分类问题,存在大量的误报和漏报。事实上,如果我能得到相反的结果,我会有一个很好的结果。所以我有一个简单的片段如下:
clf = neural_network.MLPClassifier(solver='lbfgs', alpha=1e-5
, hidden_layer_sizes=(5, 2)
, random_state=1, max_iter=5000)
clf.fit(X_train, y_train)
print('TRAIN')
print(classification_report(y_train, clf.predict(X_train)))
print(confusion_matrix(y_train, clf.predict(X_train)))
print('\nTEST')
print(classification_report(y_test, clf.predict(X_test)))
print(confusion_matrix(y_test, clf.predict(X_test)))
混乱矩阵是这样的
[[2 7]
[8 2]]
所以,我可以使用这样的输出
[[8 2]
[2 7]]
我怎样才能做到这一点而不直接操作的结果? 提前谢谢
如果有原始数据帧:
你做到了:
那么代码是正确的。这意味着不要改变输出中的任何内容。你能做什么,运行另一个列车/测试,看看结果是如何变化的。 你只是有一个坏的分类器,但不要手动调整它,那是胡说八道
相关问题 更多 >
编程相关推荐