【sklearn报错解决方案】UndefinedMetricWarning: Precision is ill-defined and being set to 0.0

出错描述

  使用​​sklearn.metrics.precision_score​​计算精确率时，出现报错：​​UndefinedMetricWarning: Precision is ill-defined and being set to 0.0 in samples with no predicted labels.​​

问题原理分析

  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。其计算公式为：

  例如对于某个样本来说，其真实标签为[0, 1, 0, 1]，预测标签为[0, 0, 0, 0]。那么该样本对应的精确率就应该为：（0 + 1 + 0 + 0） / （0 + 0 + 0 + 0），这时就会报错。

情况一

  假设有数据：样本数​​batch_size = 5​​​，标签数​​label_num = 4​​​。​​y_true​​​为真实标签，​​y_pred​​为预测标签值。

y_true = np.array([[0, 1, 0, 1],
                   [0, 1, 1, 0],
                   [0, 0, 1, 0],
                   [1, 1, 1, 0],
                   [1, 0, 1, 1]])

y_pred = np.array([[0, 1, 1, 0],
                   [0, 1, 1, 0],
                   [0, 0, 1, 0],
                   [0, 1, 1, 0],
                   [0, 1, 0, 1]])

  对照上面给的数据​​y_true​​​、​​y_pred​​​。那么该样本对应的准确率就应该为：

情况二

  假设数把​​y_pred​​的某一行改为全0，数据如下。

y_true = np.array([[0, 1, 0, 1],
                   [0, 1, 1, 0],
                   [0, 0, 1, 0],
                   [1, 1, 1, 0],
                   [1, 0, 1, 1]])

y_pred = np.array([[0, 1, 1, 0],
                   [0, 1, 1, 0],
                   [0, 0, 1, 0],
                   [0, 1, 1, 0],
                   [0, 0, 0, 0]])

  对照上面给的数据​​y_true​​​、​​y_pred​​​。那么该样本对应的准确率就应该为：

情况三

  假设数把​​y_pred​​改为全0，数据如下。

y_true = np.array([[0, 1, 0, 1],
                   [0, 1, 1, 0],
                   [0, 0, 1, 0],
                   [1, 1, 1, 0],
                   [1, 0, 1, 1]])

y_pred = np.array([[0, 0, 0, 0],
                   [0, 0, 0, 0],
                   [0, 0, 0, 0],
                   [0, 0, 0, 0],
                   [0, 0, 0, 0]])

  对照上面给的数据​​y_true​​​、​​y_pred​​​。那么该样本对应的准确率就应该为：

【注】所以如果有除数为0，sklearn中会默认把数值置为0来计算。

解决办法

  直接忽略警告即可。

import warnings
warnings.filterwarnings("ignore")

【注】一般一个batch_size都会在32-128，所以有个别样本的精确率为0，最后取平均也还能接收，直接忽略警告就行。