MLPクラシファイアを使用してクラスの精度がゼロになる

Question

データセットが約45000サンプルの場合、それぞれバイナリ出力が0または1のいずれかです。しかし、sklearnパッケージでMLPクラシファイアを使用した後、入力が何であっても常に出力が1であるモデルを取得しました。クラス0の精度はゼロです。私はモデルのハイパーパラメータを変更しようとしましたが、出力は同じです。誰もそれを乗り越える方法を提案することはできますか？

 precision recall f1-score support                                                                           
0  0.00  0.00  0.00  19967                                
1  0.57  1.00  0.73  26688                                                                        
avg/total  0.33  0.57  0.42  46655 

PS：私のコード

loc = './new_attributes_66.csv' 
data = pd.read_csv(loc) 

scaler = MinMaxScaler(feature_range = (-1,1)) 
scaler.fit(data) 
data = scaler.transform(data) 
print data 


input = data[:,0:64] 
output = data[:,65] 
X_tr, X_tst, y_tr, y_tst = train_test_split(input, output, test_size=0.1) 

clf = MLPClassifier(solver='sgd', alpha=1e-5, hidden_layer_sizes=(40,121), random_state=0, warm_start = True, tol = 0.0000001, early_stopping = False, learning_rate='adaptive',learning_rate_init = 0.1, max_iter=10000,shuffle=True,verbose=True) 

clf.fit(X_tr,y_tr) 
predicted = clf.predict(input) 
#print "Accuracy using MLP classifier: " 
print metrics.precision_score(output, predicted) 
#print confusion_matrix(y_tst,predicted) 
print metrics.classification_report(output,predicted) 
#print clf.coefs_ 

データセット（CSV）へのリンク：https://app.box.com/s/vfqgool2u9ovdc9oyi9elq99aor6c6gk

アップデート： 私は、最新の研究結果によると、私のコードと結果を変更しました。 58.14 %の精度で

  precision recall f1-score support 

    -1.0  0.53  0.10  0.17  19967 
    1.0  0.58  0.93  0.72  26688 

avg/total  0.56  0.58  0.48  46655 

：私は、精度と再現率を向上させることができます。他のどのような方法で、ハイパーパラメータを変更できますか？

Answer 1

あなたのデータは、クラスの不均衡の問題を抱えている可能性があります。ラベル1のサンプルの数が、ラベル0のサンプルの数よりはるかに多い場合があります。クラス不均衡問題に取り組むための様々な方法があります。

• Combating Imbalanced classes in machine Learning
• Perform under sample and over sampling to tackle class imbalance
• Stratified split - Sklearn
• SMOTE

また、隠しのアルファまたは異なる形状の異なる値をチェックしてみてください層。使用している現在の構成が正しく学習できないことがあります。

Answer 2

はやあみんなモハメドKasifからの提案の後、私はデータのAdaBoostClassifierを試してみましたが、-1,1にデータをスケーリングし、以下の結果を得た：

精度：0.682432189042

  precision recall f1-score support 

    -1.0  0.59  0.56  0.57  19967 
    1.0  0.68  0.71  0.70  26688 

avg/total  0.64  0.65  0.64  46655 

これが大きいです改善を57-58 %と比較して、MLPclassifier、さらにはAdaBoostclassifierになることができました。より良い結果が得られれば誰でも自由にアイディアを投稿できます:)