警告：精度和 F 分数定义不明确，在没有预测样本的标签中设置为 0.0。使用 `zero_division` 参数

Posted 2023-03-12

【中文标题】警告：精度和 F 分数定义不明确，在没有预测样本的标签中设置为 0.0。使用 `zero_division` 参数

【英文标题】：Warning: Precision and F-score are ill-defined and being set to 0.0 in labels with no predicted samples. Use `zero_division` parameter

【发布时间】：2021-10-02 16:27:51

【问题描述】：

谁能帮我解决这个错误：

警告：精度和 F 分数定义不明确，在没有预测样本的标签中设置为 0.0。使用zero_division 参数来控制此行为。 _warn_prf（平均值，修饰符，msg_start，len（结果））

当我添加亚当的调整参数时出现错误。

#tunning parameter from keras.optimizers import Adam
optimize = Adam(learning_rate=0.00001,beta_1=0.9,beta_2=0.99)
model.compile(optimizer=optimize,loss='categorical_crossentropy', metrics=['accuracy'])

有人理解这段代码的错误吗？

from sklearn.metrics import confusion_matrix, classification_report
prediksi = model.predict(test_data_generator)
y_pred = np.argmax(prediksi, axis=1)
print(confusion_matrix(test_data_generator.classes,y_pred))
print(classification_report(test_data_generator.classes,y_pred))

我也尝试过使用labels=np.unique(y_pred)，但结果没有显示出准确度的值

【问题讨论】：

欢迎来到 ***！您会注意到这实际上不是错误，而是警告。它也不会发生在 Adam 行中，而是发生在 classification_report 行中——这是因为分类报告计算 F1。

【参考方案1】：

出现此警告是因为 y_true 包含您的预测 (y_pred) 中不存在的标签，如下例所示：

import numpy as np
from sklearn.metrics import confusion_matrix, classification_report

y_pred = np.ones(10,)
y_true = np.ones(10,)
y_true[0]=0
print(confusion_matrix(y_true,y_pred))
print(classification_report(y_true,y_pred))

您可以通过设置classification_report argumentzero_division=1 来消除此警告。

但这并不明智，因为它表明你的分类器有问题。