python - 机器学习模型预测错误结果

Question

目前，我有一个数据集，其中包含两列过程名称及其 CPT。例如，全膝关节置换术-27447、全髋关节置换术-27130、开放腕管释放-64721。该数据集有 3000 行，共有 5 个 CPT 代码(5 类)。我正在编写一个分类模型。当我传递一些错误的输入时，例如“开放膝关节置换术腕管释放”，它给出的输出 64721 是错误的。下面是我正在使用的代码。我可以知道我可以在代码中进行哪些更改以及为这个问题选择神经网络是否正确？

import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.feature_extraction.text import TfidfTransformer
from sklearn.neural_network import MLPClassifier

xl = pd.ExcelFile("dataset.xlsx") # reading the data
df = xl.parse('Query 2.2') 

# shuffling the data
df=df.sample(frac=1)


X_train, X_test, y_train, y_test = train_test_split(df['procedure'], df['code'], random_state = 0,test_size=0.10)
count_vect = CountVectorizer().fit(X_train)
X_train_counts = count_vect.transform(X_train)
tfidf_transformer = TfidfTransformer().fit(X_train_counts)
X_train_tfidf = tfidf_transformer.transform(X_train_counts) 
model= MLPClassifier(hidden_layer_sizes=(25),max_iter=500)
classificationModel=model.fit(X_train_tfidf, y_train)

data_to_be_predicted="open knee arthroplasty carpal tunnel release"

result = classificationModel.predict(count_vect.transform([data_to_be_predicted]))
predictionProbablityMatrix = classificationModel.predict_proba(count_vect.transform([data_to_be_predicted]))
maximumPredictedValue = np.amax(predictionProbablityMatrix)
if maximumPredictedValue * 100 > 99:
    print(result[0])
else:
    print("00000")

Answer 1

我建议您使用 Keras 来解决这个问题。在分割训练和测试数据后，您使用 sklearn 对数据进行的所有处理都可以使用 numpy 到 keras 进行，并且会更具可读性，并且更容易了解发生了什么。如果它们都是字符串，您应该使用内部 python 代码按行分割数据，例如

row = data[i].split(',')

会将行中的三列分开。如果您有 5 个已知的类，那么我将获取所有类并将它们的名称替换为数据集中的数字。我从未使用过 Sklearn 来实现神经网络，但似乎你使用了 25 个隐藏的 NN 层，是吗？我认为你也不需要这么多...我想 3 个就可以了。

很抱歉，如果我无法更准确地帮助您解决您的问题，但我认为如果您像我说的那样重做，您可以更轻松地解决您的问题...祝您好运，伙计!

编辑:也许问题不在解析的数据集中，而是在神经网络实现中，这就是为什么我认为 Keras 更清晰