classification test results

bcw.py

@@ -21,17 +21,23 @@ df=df.replace('?',3.54465593)
 
 # Separating out the features
 x = df.loc[:, features].values# Separating out the target
-y = df.loc[:,['class']].values# Standardizing the features
+y = df.loc[:,['samplecodenumber','class']].values# Standardizing the features
 x = StandardScaler().fit_transform(x)
-
+#print(y)
 
 def classify(hlsize):
-    X_train, X_test, y_train, y_test = train_test_split(x, y, test_size=0.3, random_state=2)
+    X_train, X_test, y_trainid, y_testid = train_test_split(x, y, test_size=0.3, random_state=1)
+    y_test=y_testid[:,1]
+    y_train=y_trainid[:,1]
+    #print(y_test)
+
     clf = MLPClassifier(solver='lbfgs', alpha=1e-5, hidden_layer_sizes=hlsize, random_state=1)
-    #print(y_test.shape)
+
     clf.fit(X_train, y_train)
     y_pred=clf.predict(X_test)
-    #print(y_pred)
+    file.write("samplecodenumber,trueclass,predclass \n")
+    for i in range(len(y_pred)):
+        file.write(str(y_testid[i,0])+","+str(y_testid[i,1])+','+str(y_pred[i])+'\n')
     tpr=0#positive=benign=2
     fpr=0
     tnr=0
@@ -73,8 +79,9 @@ def classify(hlsize):
                         file.write("precision="+str(precision)+'\n')
                         file.write("accuracy="+str(acc)+'\n')
 
-# 
-# file = open('3layers.txt','w')
+file = open('res.txt','w')
+classify((13,8,18))
+#
 # for a in range(20):
 #      if a>0:
 #          for b in range(20):

classificationresults.txt

@@ -0,0 +1,216 @@
+samplecodenumber,trueclass,predclass 
+1217717,2,2
+1239967,2,2
+353098,2,2
+832567,4,2
+1180831,2,2
+1253917,2,2
+1173509,4,4
+807657,2,2
+534555,2,2
+1238464,2,2
+324427,4,4
+691628,4,2
+636437,2,2
+1057013,4,4
+736150,4,4
+1299161,4,4
+1174057,2,2
+1196263,2,2
+1197080,2,2
+1236837,2,2
+654546,2,2
+1116998,4,4
+888820,4,4
+841769,2,2
+1168736,4,4
+493452,2,2
+1211265,4,4
+242970,2,4
+1261751,2,2
+1105524,2,2
+1033078,2,2
+1113906,4,2
+1344121,4,4
+263538,4,4
+1112209,4,4
+877943,4,4
+1321321,2,2
+1216694,4,4
+1253505,2,2
+1050718,2,2
+690557,2,2
+824249,2,2
+1187457,2,2
+1313658,2,2
+798429,2,2
+1200847,4,4
+1171710,2,2
+1257815,2,2
+1043068,2,2
+704097,2,2
+1297522,2,2
+1320077,2,2
+1115282,4,4
+1345593,2,2
+1268952,4,4
+428903,4,4
+1238633,4,4
+1277018,2,2
+688033,2,2
+1113038,4,4
+1143978,2,2
+1208301,2,2
+1079304,2,2
+684955,2,2
+1287971,2,2
+1267898,2,2
+1121732,2,2
+1099510,4,4
+1048672,2,2
+1320077,2,2
+1073836,2,2
+1257608,2,2
+1000025,2,2
+1200772,2,2
+1167439,4,4
+1126417,4,4
+1002504,2,2
+1257366,2,2
+1117152,2,2
+1204242,2,2
+1318169,4,4
+188336,4,4
+1288608,2,2
+1180194,4,4
+1298360,2,2
+411453,2,2
+666942,2,2
+1147699,4,4
+1369821,4,4
+1218860,2,2
+1147748,4,4
+888523,2,2
+1043999,2,2
+1156017,2,2
+1321931,2,2
+1299596,4,4
+1206089,2,2
+1157734,2,2
+1183246,2,2
+666090,2,2
+1135090,2,2
+1306339,2,2
+1108370,4,4
+1336798,2,2
+1115293,2,2
+1226612,4,4
+1193544,4,4
+1368273,2,2
+1171845,4,4
+764974,2,2
+1119189,4,4
+1114570,2,2
+1347943,2,2
+521441,2,2
+1168278,2,2
+1071084,2,2
+1344449,2,2
+654546,2,2
+1132347,2,2
+1299924,2,2
+1203096,2,2
+1227210,4,2
+1258549,4,4
+878358,4,4
+1173514,2,2
+1246562,4,4
+888169,2,2
+1120559,4,4
+1311033,2,2
+1070522,2,2
+1075123,2,2
+555977,4,4
+1206841,4,4
+763235,2,2
+1315807,4,4
+1258556,2,2
+1173681,2,2
+1143978,2,2
+760239,4,4
+659642,4,4
+1057067,2,2
+1170420,4,2
+1049815,2,2
+677910,2,2
+897172,2,2
+850831,4,4
+1103722,2,2
+1196295,4,4
+827627,2,2
+830690,2,2
+1036172,2,2
+1152331,2,2
+1277629,2,2
+1343068,4,4
+1185610,2,2
+1354840,2,2
+792744,2,2
+1227081,2,2
+324382,2,2
+452264,2,2
+1174057,2,2
+1106829,4,4
+1071760,2,2
+1224565,2,2
+1232225,4,4
+785208,4,4
+1365075,2,2
+431495,2,2
+1260659,2,2
+896404,2,2
+1173347,2,2
+1076352,4,4
+527363,4,4
+1164066,2,2
+636375,2,2
+653777,4,4
+1238948,4,4
+274137,4,4
+145447,4,4
+1116116,4,4
+877291,4,4
+734111,2,2
+536708,2,2
+1181356,2,2
+1223543,2,2
+1266154,4,4
+636130,2,2
+1083817,2,2
+846832,2,2
+1277792,2,2
+1182404,2,2
+1156272,2,2
+1276091,2,2
+1331412,4,4
+1070935,2,2
+1223793,4,4
+1222047,4,4
+1168736,4,4
+601265,4,4
+814911,2,2
+167528,2,2
+566509,2,2
+787451,2,2
+749653,2,2
+1196915,4,4
+608157,4,4
+63375,4,2
+695091,2,2
+1168359,4,4
+1334667,2,2
+hlsize =(13, 8, 18)
+true pos rate=0.9927007299270073
+false pos rate=0.0821917808219178
+precision=0.9577464788732394
+accuracy=0.9666666666666667