Scikit learn 错误消息“精度和 F 分数定义不明确，在标签中设置为 0.0”[重复]

我正在研究二元分类模型，分类器是朴素贝叶斯。我有一个几乎平衡的数据集，但是当我预测时，我收到以下错误消息：

UndefinedMetricWarning: Precision and F-score are ill-defined and being set to 0.0 in labels with no predicted samples.
  'precision', 'predicted', average, warn_for)

我正在使用 gridsearch 和 CV k-fold 10。测试集和预测包含这两个类，所以我不理解该消息。我正在研究 6 个其他模型的相同数据集、训练/测试分割、CV 和随机种子，这些模型工作得非常完美。数据从外部提取到数据帧中，进行随机化并且种子是固定的。然后，朴素贝叶斯分类模型在此代码片段之前的开头对文件进行分类。

X_train, X_test, y_train, y_test, len_train, len_test = \
     train_test_split(data['X'], data['y'], data['len'], test_size=0.4)
pipeline = Pipeline([
    ('classifier', MultinomialNB()) 
])

cv=StratifiedKFold(len_train, n_folds=10)

len_train = len_train.reshape(-1,1)
len_test = len_test.reshape(-1,1)

params = [
  {'classifier__alpha': [0, 0.0001, 0.001, 0.01]}

]

grid = GridSearchCV(
    pipeline,
    param_grid=params,
    refit=True,  
    n_jobs=-1, 
    scoring='accuracy',
    cv=cv, 
)

nb_fit = grid.fit(len_train, y_train)

preds = nb_fit.predict(len_test)

print(confusion_matrix(y_test, preds, labels=['1','0']))
print(classification_report(y_test, preds))

我被Python“强迫”改变了系列的形状，也许这就是罪魁祸首？

警告的含义

正如这里的其他答案所暗示的那样，您会遇到精度F-Score由于其定义而无法计算（精度/召回率等于 0）。在这种情况下，指标的分数值为 0。

测试数据包含所有标签，为什么还会出现这种情况？

嗯，你正在使用K-Fold（特别是在你的情况下k=10），这意味着一个特定的分割可能包含一类的 0 个样本

即使使用分层 K 折，这种情况仍然会发生

这有点棘手。分层 K-Fold 确保每次分组中每个类别的部分相同。然而，这不仅仅取决于真实的班级。 例如，精确计算如下：TP/predicted yes。如果由于某种原因，您正在预测所有样本No， 你将会拥有predicted yes=0，这将导致未定义的精度（这可能导致未定义的F-Score).

这听起来像是一个边缘情况，但考虑到这样一个事实：在网格搜索中，您可能正在搜索大量不同的组合，其中一些组合可能完全关闭，并导致这种情况。

我希望这回答了你的问题！