SKLearn MLPClassifier预测0-10图书评分返回无意义值的修复方案

你拿到索引数组的直接原因是错误调用了ndarray.nonzero()方法，这个方法的作用是返回数组中非零元素的位置索引，完全不是预测结果本身。除此之外你还存在两个逻辑隐患：

• 若将0-10的整数评分作为分类任务目标，必须保证训练集标签Y_train的原始取值就是0-10的整数，不能对标签做标准化或额外编码，否则MLPClassifier无法输出正确的评分值。
• 若需要预测可带小数的连续评分值，你选错了模型类型：MLPClassifier是分类模型，无法输出连续值，需要改用回归模型。

场景1：预测0-10的整数评分（分类任务） #

模型训练代码无需调整，仅需删除预测阶段多余的.nonzero()调用即可，同时确认标签未做错误处理：

• 前置检查：确认Y_train是未经过标准化、LabelEncoder编码的原始标签，取值范围为0-10的整数
• 预测代码修改为：

Y_pred = clf.predict(X_test)
# 直接输出Y_pred即可，每个元素都是对应样本的0-10整数评分

场景2：预测0-10的连续评分（回归任务） #

如果需要输出非整数的连续评分，将分类模型替换为MLP回归模型即可：

from sklearn.neural_network import MLPRegressor

# 替换为回归器初始化和训练
reg = MLPRegressor(
    hidden_layer_sizes=(50,50,50),
    max_iter=2000,
    activation='tanh',
    solver='adam'
).fit(X_train, Y_train)

Y_pred = reg.predict(X_test)
# 若预测值偶尔超出0-10区间，可手动截断到合法范围
Y_pred = Y_pred.clip(0, 10)

注意：你对特征列做LabelEncoder编码、StandardScaler标准化的处理逻辑是正确的，这部分不需要改动，仅需注意绝对不要对预测目标rating列做标准化处理。

内容的提问来源于stack exchange，提问作者Rafael Silva de Oliveira