为什么优化模型的精确度会抛出错误:精确度定义不明确，由于没有预测样本而被设置为0.0？
为什么优化模型的精确度会抛出错误:精确度定义不明确，由于没有预测样本而被设置为0.0？
提问于 2019-05-13 19:00:28
我正在尝试预测糖尿病，其中1=为糖尿病，0=非糖尿病，我使用随机森林和决策树。我的数据严重不平衡，导致我的分类器对敏感性的预测为0，对特异性的预测为99。我尝试了几种方法，包括使用SMOTE重新采样我的数据。现在我想要优化模型的精度，以提高真正的正确率，但当我运行网格搜索时，它抛出了以下错误：
UndefinedMetricWarning:精度定义不明确，由于没有预测样本而设置为0.0。
我试着预测，结果和我没有使用精度优化时是一样的。
我的代码如下所示：
cl = RandomForestClassifier()
params = {
'n_estimators': [100, 300, 500, 800, 1000],
'criterion': ['gini', 'entropy'],
'bootstrap': [True, False],
'max_features': ['auto', 'sqrt', 'log2'],
'max_depth' : [4,5,6,7,8],
}
scorers = {
'precision_score': make_scorer(precision_score),
'recall_score': make_scorer(recall_score),
'accuracy_score': make_scorer(accuracy_score)
}
clff = GridSearchCV(estimator=cl, scoring= scorers, param_grid=params, refit='precision_score', cv=5, verbose=0)
forestscore= clff.fit(X_train, y_train) 有没有人能帮我弄清楚该怎么做，问题出在哪里？
回答 1
Stack Overflow用户
发布于 2019-05-13 19:36:49
问题可能是，由于您的估计器总是返回相同的值，因此y_train的一些标签永远不会被预测。因此，准确性是无法预测的。你可以在这个帖子上找到类似的问题：
如果您尝试使用以下几行代码，则会收到错误消息：
from sklearn.metrics import precision_score
y_true = [0, 1, 1, 0, 1, 1]
y_pred = [0, 0, 0, 0, 0, 0]
precision_score(y_true, y_pred)
UndefinedMetricWarning: Precision is ill-defined and being set to 0.0 due to no predicted samples.
'precision', 'predicted', average, warn_for)
0.0精度分数似乎需要二进制值才能正确计算分数。由于您的一个向量(在本例中的预测向量)仅由0组成，因此无法计算分数，然后将其设置为0.0
摆脱这个警告的解决方案是用你的估计器成功计算1，这样给得分函数的预测y就不是零。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/56111005
复制相关文章
相似问题
腾讯云开发者
