精度分数警告导致分数 =0 sklearn
precision score warnings results in score =0 sklearn
我在 sklearn 中使用 precision_score 来评估异常值检测算法的结果。
我只训练了一个 class 并预测了看不见的数据。所以 class 的标签一直都是 0。
我发现了以下内容：
有两列，真相和预测。
（我用label encoder美化了数字，在Local Outlier Factor里，inlier输出1，outlier输出-1，我用label encoder编码成0和1，道理一样）
但是算法returns我的accuracy是1，precision是0。可以很明显的看出预测的和真实的完全吻合。我希望两个参数的分数都是 1。它带有以下警告：
我应该怎么做或我应该阅读任何链接来缓解这个问题。
文档解释说只有两个 类，它将其视为二元问题。精度与真阳性有关（当答案为 1 时猜测 1）。你什么都没有——只有真负数（当答案为 0 时猜 0）。
如果你真的对那个结果不满意，你可以使用 zero_division 参数：
precision_score(truth, predicted, zero_division=1)
这样，你会得到你想要的 1。
我在 sklearn 中使用 precision_score 来评估异常值检测算法的结果。 我只训练了一个 class 并预测了看不见的数据。所以 class 的标签一直都是 0。
我发现了以下内容：
有两列，真相和预测。 （我用label encoder美化了数字，在Local Outlier Factor里，inlier输出1，outlier输出-1，我用label encoder编码成0和1，道理一样）
但是算法returns我的accuracy是1，precision是0。可以很明显的看出预测的和真实的完全吻合。我希望两个参数的分数都是 1。它带有以下警告：
我应该怎么做或我应该阅读任何链接来缓解这个问题。
文档解释说只有两个 类，它将其视为二元问题。精度与真阳性有关（当答案为 1 时猜测 1）。你什么都没有——只有真负数（当答案为 0 时猜 0）。
如果你真的对那个结果不满意，你可以使用 zero_division 参数：
precision_score(truth, predicted, zero_division=1)
这样，你会得到你想要的 1。