我最近一直在使用多类分类。我使用的指标是micro F1，称为：
f1_score(predictions,real_labels,average="micro")
对于某些折叠（我正在做10f分层交叉验证），我得到了：
/home/user/.local/lib/python3.6/site-
packages/sklearn/metrics/classification.py:1145:
UndefinedMetricWarning: F-score is ill-defined and being set to 0.0 in labels with no true samples.
错误。我想知道如何忽略这些褶皱？
谢谢！
答案 0 :(得分：0)
正如您所提到的，您有133个具有7个类的实例，并且要进行10层折叠，因此对于每一折，您将拥有大约13个实例，如果您的一个类代表的数据少于7.5％，则您可能与该类的0个实例折叠，因此出现错误。
检查您的班级比例，并增加训练数据或降低折叠次数，以避免出现此警告。
分层折叠可确保每个折叠中的类分布与整个集合中的类分布相似，因此，如果您有一个只代表7％实例的类，而每个折叠中只有13个实例，则13 * 7/100 <1，这意味着在10个分层折叠的每个折叠中没有足够的此类数据可表示。