UndefinedMetricWarning:召回率和 F 分数定义不明确,在没有真实样本的标签中设置为 0.0。 'recall', 'true', 平均, warn_for)
Posted
技术标签:
【中文标题】UndefinedMetricWarning:召回率和 F 分数定义不明确,在没有真实样本的标签中设置为 0.0。 \'recall\', \'true\', 平均, warn_for)【英文标题】:UndefinedMetricWarning: Recall and F-score are ill-defined and being set to 0.0 in labels with no true samples. 'recall', 'true', average, warn_for)UndefinedMetricWarning:召回率和 F 分数定义不明确,在没有真实样本的标签中设置为 0.0。 'recall', 'true', 平均, warn_for) 【发布时间】:2018-08-05 10:13:24 【问题描述】:当我使用以下代码为一类计算precision_recall_fscore_support
时(仅1
s)
import numpy as np
from sklearn.metrics import precision_recall_fscore_support
#make arrays
ytrue = np.array(['1', '1', '1', '1', '1','1','1','1'])
ypred = np.array(['0', '0', '0', '1', '1','1','1','1'])
#keep only 1
y_true, y_pred = zip(*[[ytrue[i], ypred[i]] for i in range(len(ytrue)) if ytrue[i]=="1"])
#get scores
precision_recall_fscore_support(y_true, y_pred, average='weighted')
我收到以下警告:
UndefinedMetricWarning: Recall and F-score are ill-defined and being set to 0.0 in labels with no true samples.
'recall', 'true', average, warn_for)
和输出:
(1.0, 0.625, 0.76923076923076927, None)
我在 SO UndefinedMetricWarning: F-score is ill-defined and being set to 0.0 in labels with no predicted samples 上发现了以下具有类似警告的内容,但我认为它不适用于我的问题。
问题:我的输出结果是否有效,或者我应该关注警告消息吗?如果是这样,我的代码有什么问题以及如何解决?
【问题讨论】:
阅读这些指标是如何定义的,就会清楚为什么不能用当前数据计算它们。这就像试图计算仅男性样本中女性吸烟者的比例。没有意义。 我尝试了下面的代码。但是,它被否决了,但我不知道为什么。 【参考方案1】:你好我找到了解决这个问题的方法,你需要使用:
cv = ShuffleSplit(n_splits=10, test_size=0.3, random_state=0)
我正在使用 knn,这解决了问题
代码:
def knn(self,X_train,X_test,Y_train,Y_test):
#implementación del algoritmo
knn = KNeighborsClassifier(n_neighbors=3).fit(X_train,Y_train)
#10XV
cv = ShuffleSplit(n_splits=10, test_size=0.3, random_state=0)
puntajes = sum(cross_val_score(knn, X_test, Y_test,
cv=cv,scoring='f1_weighted'))/10
print(puntajes)
**链接:** https://scikit-learn.org/stable/modules/cross_validation.html
【讨论】:
以上是关于UndefinedMetricWarning:召回率和 F 分数定义不明确,在没有真实样本的标签中设置为 0.0。 'recall', 'true', 平均, warn_for)的主要内容,如果未能解决你的问题,请参考以下文章
sklearn报错解决方案UndefinedMetricWarning: Precision is ill-defined and being set to 0.0
sklearn报错解决方案UndefinedMetricWarning: Precision is ill-defined and being set to 0.0
推荐系统[二]:召回算法超详细讲解[召回模型演化过程召回模型主流常见算法(DeepMF/TDM/Airbnb Embedding/Item2vec等)召回路径简介多路召回融合]