Estoy teniendo problemas con los resultados de classification_report()
de sklearn
en una clasificación binaria en un data set desbalanceado, este es mi código:
- dividir la data en 60% train, 20% validation, 20% teset
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(x1, y, test_size=0.2, random_state=1)
X_train, X_val, y_train, y_val = train_test_split(X_train, y_train, test_size=0.25, random_state=1)
- Sobremuestrear o submuestrear la clase minoritaria (en este caso submuestrear):
from imblearn.under_sampling import RandomUnderSampler
rus = RandomUnderSampler(random_state=1)
X_resampled, y_resampled = rus.fit_resample(X_train, y_train)
- Entrenar el modelo y predecir con el test (después de haberlo probado con validación cruzada)
model=LogisticRegression()
model.fit(X_sm, y_sm)
y_pred=model.predict(X_test)
- Métricas de sklearn (matriz de confusión y classification report)
matrix = confusion_matrix(y_test, y_pred)
print(matrix)
sns.heatmap(matrix, annot=True, cbar=False, linecolor='black',linewidths=0.7, cmap=plt.cm.Blues,fmt='g' )
plt.xlabel('Predicted')
plt.ylabel('Expected')
plt.show()
report = classification_report(y_test, preds)
print(report)
Dando como resultado lo que se observa en la siguiente imagen:
Entonces mi duda es porque teniendo esa matriz de confusión la precisión de la clase positiva es 0, ¿Estoy haciendo algo mal?
Gracias de antemano por la ayuda