为什么在 Scikit-learn 中计算 F-Score 时收到'UndefinedMetricWarning”？

F-Score 计算中的“UndefinedMetricWarning”故障排除

当有标签时，Sklearn 的 F-score 指标有时会触发“UndefinedMetricWarning”未预测的真实数据 (y_test) (y_pred)。发生这种情况是因为对于没有预测样本的标签，F 分数未定义。在这种情况下，分数设置为 0.0。

在您的情况下，您可能已经注意到错误仅在第一次执行期间出现，而不是随后出现。这是因为默认情况下警告仅显示一次。您可以通过将 warnings.filterwarnings() 函数设置为“始终”来修改此行为，以便每次都显示警告。

要避免警告，您有两个选项：

1. 忽略没有预测的标签：通过将 labels 参数设置为 y_pred 中的唯一值来指定您感兴趣的标签。这将排除没有预测样本的标签，并且警告将消失：

import numpy as np

metrics.f1_score(y_test, y_pred, average='weighted', labels=np.unique(y_pred))

2. 显式处理未定义的指标：如果您想在自定义中处理未定义的指标这样，您可以使用 error_score 参数为 undefined 分配特定值（例如 -1、0 或 NaN）

关于尾随的“ precision', 'predicted',average, warn_for)”错误消息，这是 scikit-learn 0.18.1 中的一个错误，已在后续版本中修复。错误消息不应影响您的结果。

以上是为什么在 Scikit-learn 中计算 F-Score 时收到'UndefinedMetricWarning”？的详细内容。更多信息请关注PHP中文网其他相关文章！