Question

我正在使用推文的训练和测试数据集，这些推文被组合在一起。（combi = train.append（测试，ignore_index = True）。

受训的CSV带有手动标记的情绪：-1、0和1（基本上是负面，中立和正面），而测试没有。

我希望代码使用逻辑回归输出f1分数，但是在以下位置出现问题：使用了f1_score（yvalid，projection_int）：

我的代码如下：

from sklearn.feature_extraction.text import CountVectorizer
bow_vectorizer = CountVectorizer(max_df=0.90, min_df=2,        max_features=1000, stop_words='english')
bow = bow_vectorizer.fit_transform(combi['tidy_tweet'])

from sklearn.feature_extraction.text import TfidfVectorizer
tfidf_vectorizer = TfidfVectorizer(max_df=0.90, min_df=2, max_features=1000, stop_words='english')
tfidf = tfidf_vectorizer.fit_transform(combi['tidy_tweet'])

from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import f1_score

train_bow = bow[:1300,:]
test_bow = bow[1300:,:]

xtrain_bow, xvalid_bow, ytrain, yvalid =     train_test_split(train_bow, train['label'], random_state=42,  test_size=0.3)

lreg = LogisticRegression()
lreg.fit(xtrain_bow, ytrain) # training the model

prediction = lreg.predict_proba(xvalid_bow) 
prediction_int = prediction[:,1] >= 0.3 
prediction_int = prediction_int.astype(np.int)

f1_score(yvalid, prediction_int)

Answer 1

阅读相关的documentation，您将看到average中参数f1_score的默认值为binary；因为这里没有指定它，所以它采用了默认值，但是这对于您的多类分类是无效的（同意，这可能是一个错误的设计选择）。

如错误消息所建议，您应该显式选择并指定文档中显示的其他可用参数之一；这是带有虚拟多类数据的文档中的示例：

from sklearn.metrics import f1_score
# dummy multi-class data, similar to yours:
y_true = [0, 1, 2, 0, 1, 2]
y_pred = [0, 2, 1, 0, 0, 1]

f1_score(y_true, y_pred, average='macro') 
# 0.26666666666666666

f1_score(y_true, y_pred, average='micro')
# 0.33333333333333331

f1_score(y_true, y_pred, average='weighted') 
# 0.26666666666666666

f1_score(y_true, y_pred) 
# ValueError: Target is multiclass but average='binary'. Please choose another average setting.

ValueError：目标是多类的，但average ='binary'。请选择其他平均设置

1 个答案: