Гайд · TNWS AI
Как оценить MLPClassifier через classification report и confusion matrix
Оценка нейросети не одной accuracy: classification_report как dict, confusion_matrix, support, macro F1 и точные критерии проверки.
Задача и применимость
Актуальный запрос: «как оценить MLPClassifier precision recall f1 confusion matrix». Получить набор проверяемых метрик вместо одной accuracy. classification_report строит precision, recall, F1 и support для каждого класса, а output_dict=True возвращает числа для автоматической проверки. confusion_matrix показывает количество истинных и предсказанных классов; в бинарном случае после проверки labels её можно разложить на TN, FP, FN и TP.
Материал относится к scikit-learn 1.8.0 и табличным числовым данным. MLPClassifier — полносвязный многослойный перцептрон для обучения с учителем, а не готовая языковая или vision-модель. Все вычисления ниже выполняются локально на синтетическом наборе make_classification: интернет, ключи API и внешние персональные данные не нужны. Значения метрик в рабочем проекте будут другими, поэтому фиксированные пороги примера являются проверкой кода, а не обещанием качества.
Пошаговое решение
- Обучите Pipeline на train.
- Получите predictions только для test.
- Постройте report с output_dict=True и matrix с labels=[0,1].
- Проверьте support, сумму ячеек и согласованность accuracy.
Готовый проверяемый шаблон
from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split
X, y = make_classification(
n_samples=500, n_features=8, n_informative=6, n_redundant=0,
class_sep=1.4, random_state=42
)
X_train, X_test, y_train, y_test = train_test_split(
X, y, test_size=0.25, stratify=y, random_state=42
)
import numpy as np
from sklearn.pipeline import make_pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.neural_network import MLPClassifier
from sklearn.metrics import classification_report, confusion_matrix, accuracy_score
model = make_pipeline(StandardScaler(), MLPClassifier((16,), solver="lbfgs", max_iter=500, random_state=42))
model.fit(X_train, y_train)
pred = model.predict(X_test)
report = classification_report(y_test, pred, output_dict=True, zero_division=0)
matrix = confusion_matrix(y_test, pred, labels=[0, 1])
assert matrix.shape == (2, 2)
assert matrix.sum() == len(y_test)
assert report["0"]["support"] + report["1"]["support"] == len(y_test)
assert np.isclose(report["accuracy"], accuracy_score(y_test, pred))
print(matrix.tolist(), round(report["macro avg"]["f1-score"], 3))
Вход и ожидаемый результат
Для 125 тестовых строк матрица имеет форму 2×2, а сумма четырёх ячеек равна 125. Support двух классов также суммируется до 125. Accuracy в report совпадает с отдельным accuracy_score; macro F1 учитывает классы равным весом.
Как проверить результат
Явно задайте порядок labels и подпишите оси. Проверьте, что строки соответствуют истинным классам, столбцы — предсказанным. Для дисбаланса смотрите метрики каждого класса и macro average, а не только weighted average.
Перенос на рабочую нейросеть
Заменяя синтетические данные рабочими, сначала составьте контракт: одна строка соответствует одному объекту, столбцы имеют стабильный порядок и единицы измерения, target формируется без информации из будущего. Категориальные поля кодируются отдельным преобразованием, пропуски обрабатываются до StandardScaler совместимым способом. Объединяйте preprocessing и estimator в Pipeline или ColumnTransformer, чтобы одинаковая логика применялась при fit, validation и predict. Версионируйте список признаков, код подготовки, разбиение и сам estimator как единый выпуск.
Критерии приёмки
- Train, validation и test не пересекаются, а random_state и алгоритм разбиения записаны.
- Preprocessing обучается только на train и входит в сохраняемый Pipeline.
- Форма, dtype и порядок признаков проверяются до predict.
- Метрика считается на независимой выборке и сопровождается support.
- Повторный запуск в закреплённом окружении воспроизводит контрольные predictions.
- Негативный тест с лишним или отсутствующим признаком завершается явной ошибкой, а не молчаливой перестановкой.
Регрессионный протокол
Сохраните маленький обезличенный regression-набор и ожидаемые классы либо вероятности. После изменения параметров сравнивайте не только одну итоговую метрику, но и confusion matrix, время обучения, число итераций и распределение вероятностей. Меняйте один фактор за эксперимент. Гиперпараметры выбирайте на validation или внутри кросс-валидации; test открывайте только для финальной оценки выбранной процедуры. Если обучающих данных мало, публикуйте разброс по нескольким разбиениям, а не лучший результат.
Диагностика расхождений
Если качество резко изменилось, проверяйте по порядку: набор и target, индексы split, порядок столбцов, статистики preprocessing, версии зависимостей, random_state и только затем внутренние параметры нейросети. Убедитесь, что признаки не содержат идентификатор ответа или данные из будущего. При расхождении после загрузки сравните predictions на одном сохранённом массиве, classes_, число входных признаков и параметры scaler. Не лечите неизвестную причину увеличением сети: это усложняет диагностику и часто усиливает переобучение.
Контроль после внедрения
Для эксплуатации добавьте журнал версии модели и схемы входа, но не записывайте в него исходные персональные признаки. До выкладки задайте допустимые границы latency, доли ошибок и целевой метрики. После выкладки сравнивайте распределения признаков и прогнозов с контрольным периодом. Если входная схема изменилась или качество вышло за порог, переключайтесь на предыдущий проверенный артефакт; автоматическое дообучение без независимой оценки не является безопасным исправлением.
Типичные ошибки и чего не делать
- Не меняйте местами y_true и y_pred.
- Не трактуйте FP и FN без фиксированного положительного класса.
- Не скрывайте support при сравнении метрик.
Не подбирайте архитектуру и пороги по тестовой выборке. Не передавайте в модель персональные или чувствительные поля без правового основания и необходимости. Не считайте высокую метрику на синтетическом примере доказательством готовности к эксплуатации. Для важных решений добавьте человеческую проверку, мониторинг drift и безопасный сценарий отказа.
FAQ
Что показывает support?
Число истинных объектов класса в оценочной выборке.
Зачем macro F1?
Он усредняет классы с одинаковым весом.
Какой порядок confusion matrix?
Задавайте его через labels, чтобы исключить неоднозначность.
Официальные источники
Частые вопросы
Что показывает support?
Число истинных объектов класса в оценочной выборке.
Зачем macro F1?
Он усредняет классы с одинаковым весом.
Какой порядок confusion matrix?
Задавайте его через `labels`, чтобы исключить неоднозначность.
Читайте также
Как обучать MLPClassifier пакетами через partial_fit
Потоковое обучение MLPClassifier мини-пакетами: первый classes, Incremental StandardScaler, несколько эпох, контроль n_iter_ и accuracy.
Как обучить MLPClassifier со StandardScaler без утечки данных
Проверяемый Pipeline из StandardScaler и MLPClassifier: раздельная выборка, обучение scaler только на train, accuracy и защита от утечки.
Как оценить важность признаков MLP через permutation importance
Permutation importance для Pipeline с MLPClassifier: baseline на test, перестановки столбцов, mean/std, воспроизводимость и ограничения интерпретации.
Комментарии
Пока тихо. Скажите первое слово