我正在处理不平衡的数据集，我尝试使用MLP分类器制作预测模型。不幸的是，该算法将测试集的所有观测值分类为类"1"，因此分类报告中的 f1 分数和召回率值为 0。有谁知道如何处理它？
model= MLPClassifier(solver='lbfgs', activation='tanh')
model.fit(X_train, y_train)
score=accuracy_score(y_test, model.predict(X_test), )
fpr, tpr, thresholds = roc_curve(y_test, model.predict_proba(X_test)[:,1])
roc=roc_auc_score(y_test, model.predict_proba(X_test)[:,1])
cr=classification_report(y_test, model.predict(X_test))
很少有技术来处理不平衡的数据集。一个完全专用的python库"不平衡学习"在这里可用。但是，对于在特定情况下应使用哪种技术，应谨慎行事。
在 https://svds.com/learning-imbalanced-classes/