使用 MLP 的神经网络分类器

Question

我是机器学习的新手，我正在开发一个python应用程序，该应用程序使用数据集对扑克牌进行分类，我将发布片段。它似乎效果不佳。它无法正确分类手。我收到以下错误

", line 298, in fit
    raise ValueError("Multioutput target data is not supported with "
ValueError: Multioutput target data is not supported with label binarization

以下是我的代码：

import pandas as pnd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.neural_network import MLPClassifier
from sklearn.metrics import classification_report
training = pnd.read_csv(".idea/train.csv")
training.keys()
training.shape
X = np.array(training)
y = np.array(training)
X_train, X_test, y_train, y_test = train_test_split(X, y)
scaler = StandardScaler()
# Fit only to the training data
scaler.fit(X_train)
X_train = scaler.transform(X_train)
X_test = scaler.transform(X_test)
mlp = MLPClassifier(hidden_layer_sizes=(30, 30, 30, 30, 30, 30, 30, 30, 30, 30))
mlp.fit(X_train, y_train)
predictions = mlp.predict(X_test)
print(classification_report(y_test, predictions))
len(mlp.coefs_)
len(mlp.coefs_[0])
len(mlp.intercepts_[0])

以下是我正在使用的数据集的示例：图片在这里

以下是数据集的描述：https://archive.ics.uci.edu/ml/datasets/Poker+Hand

有什么问题吗？如果我以正确的方式做事，我希望有人能指导我。

Answer 1

只是为了在这里保持它作为答案。

问题是scalet.fit必须包含Y_train 。

改变：

scaler.fit(X_train)

自：

scaler.fit(X_train, y_train)