F-score 是定义不明确的 scikit

Question

我知道这个问题已经被问过很多次了，但我对这个警告感到困惑，因为我仍然得到 f1score。对我来说，它不是零。

我已经为 micro 计算了 f1score，它工作正常，没有警告。但是当我计算宏的 f1score 时，它会给我一个警告。我也得到了准确率和召回率。两者都不为零。它们非常小，例如有时为 0.01 或 0.001。与 f1score 一样，它也不为零。但我不确定为什么会收到此警告。正如我在其他帖子中读到的那样，这可能是因为精度或召回率为零，所以你正在潜水 0/0。但就我而言，我有一些价值而不是零。

这里是确切的警告：

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

那么我可以依赖结果并避免警告吗？

Answer 1

f1_score 和 average='macro' 将首先单独计算每个标签的分数，然后找到它们的未加权平均值。

因此，如果您有多个类（标签），则可能会发生其中一个不存在于预测数据中的情况。在这种情况下，您将收到该（缺失）标签的警告，并且 f1 将为 0。但是其他标签仍然会有一些非零值。所以均值将不为零。

例如：

from sklearn.metrics import f1_score
y_true = [0, 1, 2, 0, 1, 2]
y_pred = [0, 1, 1, 0, 0, 0]
f1_score(y_true, y_pred, average='macro')

/usr/local/lib/python2.7/dist-packages/sklearn/metrics/classification.py:1135: UndefinedMetricWarning: F-score is ill-defined and being set to 0.0 in labels with no predicted samples.

# Output:  0.38888888888888884

在上面的例子中，预测的数据不包含标签2，警告是针对那个。

现在，关于依赖与否的问题，请看相关问题：

F-score 是定义不明确的 scikit

F-score is ill-defined scikit

python

precision

machine-learning

scikit-learn

precision-recall