如何指定Sklearn MLPClassifier优先关注类别1（获胜）进行预测？

核心问题大概率是数据不平衡——负样本（0）数量远多于正样本（1），你用GridSearchCV选参数时默认用整体准确率指标，当全预测0的准确率比能部分预测1的模型更高时，它就会把这种“躺平”模型选为最优。要让模型专注于类别1的预测，你可以从这几个方向入手：

• 先修正数据分布

  • 过采样：给类别1的样本做复制，或者用SMOTE这类算法生成合成正样本，拉平两类样本数量差距。
  • 欠采样：随机删掉一部分类别0的样本，缩小两类数量差。
    注意：过采样容易导致模型过拟合，欠采样会丢失有效数据，建议先统计两类样本的比例，再选合适的方法。

• 给模型加类别权重
  初始化MLPClassifier时，加上class_weight='balanced'参数，它会根据样本比例自动给少数类（类别1）更高的错误代价，逼着模型重视类别1的预测。你也可以手动指定权重，比如class_weight={0:1, 1:3}，意思是错判类别1的代价是错判类别0的3倍，具体倍数根据数据不平衡程度调整。

• 更换GridSearchCV的评估指标
  别再用默认的准确率，换成对类别1更友好的指标，比如类别1的召回率、F1分数或者ROC-AUC。比如把GridSearchCV的scoring参数设为'recall'（召回率），这样它会优先选择能多预测出类别1的参数，而非全预测0的“伪最优”模型。示例代码：

  from sklearn.model_selection import GridSearchCV
  from sklearn.neural_network import MLPClassifier
  
  mlp = MLPClassifier(random_state=42)
  param_grid = {
      # 你的参数网格内容
  }
  # 用类别1的召回率作为评估指标
  grid_search = GridSearchCV(mlp, param_grid, scoring='recall', cv=5)
  grid_search.fit(X_train, y_train)
  

• 调整模型训练细节
  你之前的最优参数里设了shuffle=False，这可能让模型先接触大量类别0样本，直接陷入偏向0的局部最优。改成shuffle=True，每次迭代打乱样本顺序，让模型交替接触两类样本。另外可以检查模型的损失曲线，确认300次迭代是否真的收敛，有时候迭代次数过多反而会让模型过度偏向多数类。

之前用hidden_layer_sizes=(64, 32), max_iter=100时能有0.47的类别1准确率，是因为模型还没收敛到全预测0的状态，反而能学到类别1的部分特征，但GridSearchCV因整体准确率更高，把全预测0的模型当成了最优，这显然不是你需要的结果。

内容的提问来源于stack exchange，提问作者Vincent Coulombe