為什麼在 Scikit-learn 中計算 F-Score 時收到「UndefinedMetricWarning」？

F-Score 計算中的「UndefinedMetricWarning」故障排除

當有標籤時，Sklearn 的F-score 指標UndefinedMetricWarning」未預測的真實資料(y_test) (y_pred)。發生這種情況是因為對於沒有預測樣本的標籤，F 分數未定義。在這種情況下，分數設定為 0.0。

在您的情況下，您可能已經注意到錯誤僅在第一次執行期間出現，而不是隨後出現。這是因為預設情況下警告僅顯示一次。您可以透過將 warnings.filterwarnings() 函數設為「始終」來修改此行為，以便每次都顯示警告。

要避免警告，您有兩個選項：

1. 忽略沒有預測的標籤：透過將labels 參數設為y_pred 中的唯一值來指定您感興趣的標籤。這將排除沒有預測樣本的標籤，並且警告將消失：

import numpy as np

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

2. 明確處理未定義的指標：如果您想在自訂中處理未定義的指標會這樣，您可以使用error_score 參數為undefined 指派特定值（例如-1、0 或NaN）

關於尾隨的「 precision', 'predicted',average, warn_for)」錯誤訊息，這是 scikit-learn 0.18.1 中的一個錯誤，已在後續版本中修復。錯誤訊息不應影響您的結果。

以上是為什麼在 Scikit-learn 中計算 F-Score 時收到「UndefinedMetricWarning」？的詳細內容。更多資訊請關注PHP中文網其他相關文章！