第二个分类等级在所有指标上都为零

如何解决第二个分类等级在所有指标上都为零

我有一个 red wine quality dataset on Kaggle 的数据集，我必须对它们进行二进制分类。我正在使用神经网络：

    model_nn = keras.Sequential([
    keras.layers.Dense(128,LeakyReLU(alpha=0.1),input_shape=(11,)),keras.layers.Dense(32,activation=LeakyReLU(alpha=0.1)),keras.layers.Dense(64,LeakyReLU(alpha=0.1)),keras.layers.Dense(1,activation=tf.nn.sigmoid),])
model_nn.compile(optimizer='adam',loss='binary_crossentropy',metrics=['accuracy'])
history = model_nn.fit(X_train,y_train,epochs=50,batch_size=10,validation_data=(X_test,y_test))
#test_loss,test_acc = model_nn.evaluate(X_test,y_test)

我会说它在细节方面表现相当不错：

Epoch 50/50
48/48 [==============================] - 0s 4ms/step - loss: 0.2660 - accuracy: 0.8875 - val_loss: 0.3130 - val_accuracy: 0.8741

但是，我想使用其他指标（如精度、召回率和 f1 分数）来查看其性能。所以，在通过互联网搜索后，我得到了这个代码并根据我的情况进行了调整：

# make probability predictions with the model
pred_nn = model_nn.predict(X_test)
print(pred_nn)
print(y_test)

# Evaluate on test data
print('\n---- Test data ----')
accuracy = sklearn.metrics.accuracy_score(y_test,np.argmax(pred_nn,axis=1))
print('Accuracy: {0:.2f}'.format(accuracy * 100.0))
print('Classification Report:')
print(sklearn.metrics.classification_report(y_test,axis=1)))
print('Confusion Matrix:')
print(sklearn.metrics.confusion_matrix(y_test,axis=1)))

结果非常令人惊讶，虽然它在分类零类方面效果很好，但无法预测第二类的任何指标：

---- Test data ----
Accuracy: 86.43
Classification Report:
              precision    recall  f1-score   support

           0       0.86      1.00      0.93       968
           1       0.00      0.00      0.00       152

    accuracy                           0.86      1120
   macro avg       0.43      0.50      0.46      1120
weighted avg       0.75      0.86      0.80      1120

Confusion Matrix:
[[968   0]
 [152   0]]
/usr/local/lib/python3.6/dist-packages/sklearn/metrics/_classification.py:1272: UndefinedMetricWarning: Precision and F-score are ill-defined and being set to 0.0 in labels with no predicted samples. Use `zero_division` parameter to control this behavior.
  _warn_prf(average,modifier,msg_start,len(result))

我错过了哪里？我知道这有问题，但我不确定它是来自我的模型还是数据集本身，