分类报告-精度和F分数定义不正确
问题内容：
我从sklearn.metrics导入了classification_report，当我输入我的np.arrays参数时，出现以下错误：
/usr/local/lib/python3.6/dist-
packages/sklearn/metrics/classification.py:1135：UndefinedMetricWarning：精度和F分数定义不明确，在没有可预测样本的标签中设置为0.0。’precision’，’predicted’，average，warn_for）/usr/local/lib/python3.6/dist-
packages/sklearn/metrics/classification.py:1137：UndefinedMetricWarning：回忆和F分数定义不清并且被在没有真实样本的标签中设置为0.0。“
recall”，“ true”，平均值，warn_for）
这是代码：
svclassifier_polynomial = SVC(kernel = 'poly', degree = 7, C = 5)
svclassifier_polynomial.fit(X_train, y_train)
y_pred = svclassifier_polynomial.predict(X_test)
poly = classification_report(y_test, y_pred)
当我过去不使用np.array时，它工作得很好，关于如何纠正此问题的任何想法？
问题答案：
这不是错误，只是 警告 您并非所有标签都包含在中y_pred，即y_test您的分类器无法预测某些标签。
这是一个简单的可复制示例：
from sklearn.metrics import precision_score, f1_score, classification_report
y_true = [0, 1, 2, 0, 1, 2] # 3-class problem
y_pred = [0, 0, 1, 0, 0, 1] # we never predict '2'
precision_score(y_true, y_pred, average='macro')
[...] UndefinedMetricWarning: Precision is ill-defined and being set to 0.0 in labels with no predicted samples.
'precision', 'predicted', average, warn_for)
0.16666666666666666
precision_score(y_true, y_pred, average='micro') # no warning
0.3333333333333333
precision_score(y_true, y_pred, average=None)
[...] UndefinedMetricWarning: Precision is ill-defined and being set to 0.0 in labels with no predicted samples.
'precision', 'predicted', average, warn_for)
array([0.5, 0. , 0. ])
会产生完全相同的警告f1_score（未显示）。
实际上，这只是警告您，在中classification_report，没有预测样本的标签的相应值（在此处2）将设置为0：
print(classification_report(y_true, y_pred))
precision recall f1-score support
0 0.50 1.00 0.67 2
1 0.00 0.00 0.00 2
2 0.00 0.00 0.00 2
micro avg 0.33 0.33 0.33 6
macro avg 0.17 0.33 0.22 6
weighted avg 0.17 0.33 0.22 6
[...] 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)
当我过去不使用np.array时，它工作得很好
高度怀疑，因为在上面的示例中，我使用了简单的Python列表，而不是Numpy数组…
