为什么我的 F-Score 在 Python 中抛出'UndefinedMetricWarning”以及如何修复它？

F-Score 警告：未定义的指标和缺失预测样本

在分类任务中，通常使用 F-score 指标评估模型性能。然而，当遇到“UndefinedMetricWarning: F-score is ill-define”错误时，表示由于没有预测样本，无法计算某些标签的 F-score。

当标签出现时，就会出现此问题真实标签集（y_test）中存在的内容不会出现在预测标签集（y_pred）中。因此，计算此类标签的 F 分数会导致未定义的值。为了处理这种情况，scikit-learn 为这些标签的 F 分数分配了 0.0 值。

观察这种情况的一种方法是通过示例。考虑标签“2”出现在 y_test 中但在 y_pred 中不存在的情况：

>>> set(y_test) - set(y_pred)
{2}

由于标签“2”没有预测样本，因此该标签的 F 分数被视为 0.0。由于计算中包含 0 分，因此 scikit-learn 会显示一条警告，以提醒未定义的指标。

此警告仅在第一次发生时才会引发。此行为是由于 Python 中警告的默认设置造成的，该设置确保特定警告仅显示一次。

要抑制此警告，可以使用 warnings.filterwarnings('ignore') 禁用它：

import warnings
warnings.filterwarnings('ignore')

或者，您可以显式指定感兴趣的标签，排除那些没有预测的标签样本：

>>> metrics.f1_score(y_test, y_pred, average='weighted', labels=np.unique(y_pred))
0.91076923076923078

通过指定实际预测的标签，可以避免警告。

以上是为什么我的 F-Score 在 Python 中抛出'UndefinedMetricWarning”以及如何修复它？的详细内容。更多信息请关注PHP中文网其他相关文章！