Fscore是定义错误的sciki

Question

我知道这个问题已经被问过很多次了，但是我对这个警告感到困惑，因为我仍然得到f1的分数。对我来说，不是零。在

我已经计算了F1分数的微型和它的工作很好，没有警告。但当我计算宏的f1score时，它会给我一个警告。我得到了准确的分数和回忆。两者都不是零。它们很小，例如0.01或0.001。和f1score一样，也不是零。但我不知道为什么我会得到这个警告。正如我在其他帖子中所读到的，这可能是因为准确度或召回率是零，所以你在跳水。但在我的例子中，我有一些值而不是零。在

以下是确切的警告：

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

那么我能相信结果，避免警告吗？

Answer 1

带f1_score的f1_score将首先分别计算每个标签的分数，然后找到它们的未加权平均值。在

因此，如果您有多个类（标签），那么其中一个不在预测数据中。在这种情况下，您将收到该标签的警告，而f1将为0。但其他的标签仍然会有一些非零值。所以平均值不是零。在

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.

^{pr2}$

在上面的例子中，预测的数据不包含标签2，警告就是针对这个。在

现在，关于依赖与否的问题，请参见相关问题：

• https://datascience.stackexchange.com/q/15989/41018
• https://stats.stackexchange.com/q/156923/133411