F-score is ill-defined and being set to 0.0 in labels with no true samples问题产生原因

于 2023-09-04 08:39:34 发布
阅读量293 收藏
点赞数
分类专栏： python 文章标签： pytorch 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_43374694/article/details/132661326
版权

https://blog.csdn.net/a6840231/article/details/88416338

https://blog.csdn.net/qq_43391414/article/details/120543028

主要参考以上两个链接的内容了解这个问题，产生这个问题的主要原因与数据集有关，其中有一类数据的预测标签没出现过，即没有预测出来。导致数量为0，无法计算与之相关的性能指标，因为有的性能指标是以某种类别数量做分母的。
实际解决需要解决数据集啊 这只是一个警告 并不需要解决 有这个警告 只能说明这个数据集分布不平衡

壹柒伍_
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Improving the Routing Security in Software-Defined Networks
02-08
In this letter, we model the dynamic instance switching problem based on the fact that some routing instances could have common vulnerabilities. We propose the correlation-aware dynamic instance ...
解决vue项目报错webpackJsonp is not defined问题
01-19
但是在项目经过本地测试没有任何问题，打包上线后却会报错 webpackJsonp is not defined。这是因为公共文件必须在自己引用的js文件之前引用。 可以手动改文件引用，但是推荐以下解决办法： 找到build→webpack.prod...
炼丹调参知识汇总
大龙的编程学习笔记
09-16 462
UndefinedMetricWarning: Precision and F-score are ill-defined and being set to 0.0 in labels https://blog.csdn.net/So_that/article/details/89787366
模型指标Precision, recall, and F-score
weixin_44219178的博客
01-08 1256
在使用 sklearn 函数进行相关值计算时候，抛出了这样一个警告：Precision and F-score are ill-defined and being set to 0.0 in labels with no predicted samples. Use `zero_division` parameter to control this behavior. (原因是 在y-pred_1当中 没有预测出2这个类别，所以抛出了异常。)代码如下： from sklearn.metrics impo
F-score is ill-defined and being set to 0.0 in labels with no true samples.
weixin_43301333的博客
02-16 613
转自 生肉地址：https://stackoverflow.com/questions/43162506/undefinedmetricwarning-f-score-is-ill-defined-and-being-set-to-0-0-in-labels-wi 原因：存在一些样本 label 为 y_true，但是你的 y_pred 并没有预测到。 比如 y_true = (0, 1, 2, 3, 4) y_pred = (0, 1, 1, 3, 4) label‘2’ 从来没有被预测到，所以F-sc
报错分析：Precision and F-score are ill-defined for being 0.0 in labels with no predicted samples
weixin_52268321的博客
11-09 2111
UndefinedMetricWarning: Precision and F-score are ill-defined and being set to 0.0 in labels with no predicted samples. Use `zero_division` parameter to control this behavior. 如报错所说“ 你的模型的分类结果中有一类是没有被预测的 ”
ill-defined and being set to 0.0 in labels with no true samples
Doodlera的博客
12-09 2451
测试时计算精度遇到提醒如下。y_true中的某些标签未出现在y_pred中，永远不会预测标签。 不影响计算结果。 解决方法：增大测试时从DataLoader读取数据的batch_size。因为在一个batch_size的测试时没有读取到全部类别的数据，因此会进行提示。增大batch_size即可避免这个warning。 E:\anaconda\lib\site-packages\sklearn\metrics\_classification.py:1221: UndefinedMetricWarning:
【sklearn报错解决方案】UndefinedMetricWarning: Precision is ill-defined and being set to 0.0
十一月廿七风雨大作
07-18 1万+
精确率计算的是所有样本的平均精确率。而对于每个样本来说，精确率就是预测正确的标签数在整个预测为正确的标签数中的占比。的某一行改为全0，数据如下。改为全0，数据如下。
F-score is ill-defined and being set to 0.0 due to no predicted samples.
NockinOnHeavensDoor的博客
12-09 5115
还是StackOverflow：here 原话：F1 = 2 * (precision * recall) / (precision + recall)precision = TP/(TP+FP)as you’ve just said if predictor doesn’t predicts positive class at all - precision is 0.recall = TP/(
UndefinedMetricWarning: Precision is ill-defined and being set to 0.0 due to no predicted samples.
Yan456jie的专栏
03-08 2万+
# -*- coding: utf-8 -*- import jieba, os import codecs from gensim import corpora, models, similarities from pprint import pprint from collections import defaultdict import sys import pickle from src.
解决spring boot请求包含非法字符问题 The valid characters are defined in RFC 7230 and RFC 3986 错误
01-20
The valid characters are defined in RFC 7230 and RFC 3986 错误 问题出在 高版本的tomcat会对请求头进行过滤 我的项目使用的springboot版本是2.2.5版本， 内置的tomcat 版本是9.0.31。 解决方法①（推荐） 新增...
LS-DYNA-USERDEFINED-MATERIAL-with-failure_ls-dyna_with-failure_二
09-28
LS-DYNA-USERDEFINED-MATERIAL-with-failure
[hadoop] ERROR: but there is no HDFS_NAMENODE_USER defined. Aborting operation. Starting datanodes
01-20
其中一个问题是报but there is no HDFS_NAMENODE_USER defined. Aborting operation. Starting datanodes 直接解决 在Hadoop安装目录下找到sbin文件夹 在里面修改四个文件 1、对于start-dfs.sh和stop-dfs.sh文件，...
UndefinedMetricWarning: Precision and F-score are ill-defined and being set to 0.0 in labels
热门推荐
So_that的博客
05-03 3万+
遇到这个问题的原因通常是，在预测的标签中缺少实际的标签。 我举个简单的二分类的例子: 实际标签 1，1，1，1，0，0，0，0 预测标签 0，0，0，0，0，0，0，0 这里在预测标签中就没有 1 这个标签。 这个时候就会出现这样的警告，注意这个是警告并不是错误。 一种避免警告的方法如下： import warnings warnings.filterwarnings("ignor...
PyTorch：模型训练、评估和预测
皮皮blog
10-21 1万+
模型训练、评估和预测。
UndefinedMetricWarning: Precision is ill-defined and being set to 0.0 in labels with no predicted sa
Yeoman92的博客
07-19 2万+
from sklearn import metricsy_true = [0, 1, 2, 0, 1, 2] y_pred = [0, 2, 1, 0, 0, 1]y_true_1 = [0, 1, 2, 0, 1, 2] y_pred_1 = [0, 2, 3, 0, 0, 1]y_true_2 = [0, 1, 2, 0, 1, 2] y_pred_2 = [0, 1, 1, 0, 0, 1]
机器学习的分类任务中错误提示以及解决方案
u011183517的专栏
01-04 1万+
1.UndefinedMetricWarning: Precision and F-score are ill-defined and being set to 0.0 in labels with no predicted samples. 在预测数据中存在实际类别没有的标签时报此warning
UndefinedMetricWarning: Precision and F-score are ill-defined and being set to 0.0 in labels with no predicted samples. Use `zero_division` parameter to control this behavior.
最新发布
06-02
这个警告信息的意思是在某些标签中，模型预测的样本数量为0，导致计算精确率和F1-score时出现了分母为0的情况，因此这些指标被设置为0.0。这通常发生在多分类任务中，其中某些类别的样本数量较少，或者是在样本不平衡的情况下。 为了解决这个问题，可以使用`zero_division`参数来控制分母为0的情况。该参数默认为False，表示将分母为0的情况视为正常情况，将精确率和F1-score设置为0.0。如果将该参数设置为True，则分母为0的情况将被视为特殊情况，将精确率和F1-score设置为1.0。 可以按照以下方式设置`zero_division`参数： ```python from sklearn.metrics import precision_score, recall_score, f1_score # 设置 zero_division 参数为 1，即分母为 0 时，将精确率和F1-score设置为1.0 precision = precision_score(y_true, y_pred, average='macro', zero_division=1) recall = recall_score(y_true, y_pred, average='macro', zero_division=1) f1 = f1_score(y_true, y_pred, average='macro', zero_division=1) ``` 通过设置`zero_division`参数，可以避免出现UndefinedMetricWarning警告，同时可以保证在样本数量较少或不平衡的情况下，精确率和F1-score的计算结果更加稳定。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值