Sklearn SVM-UndefinedMetricWarning

Question

我正在Python中执行分类任务，以将不同乐器的音频文件分类到各自的类中，在我的情况下，有4类，分别是Brass，String，Percussion和Woodwind。 我使用了3种不同的算法，k最近邻算法，朴素贝叶斯算法和SVM。 我的代码看起来像这样：

#X is feature matrix, y is class vector
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)

#k-NN Classifier
knn = KNeighborsClassifier(n_neighbors=3)
knn.fit(X_train,y_train)
knn_pred = knn.predict(X_test)
print(metrics.classification_report(y_test,knn_pred)

#Naive Bayes Classifier
nb = GaussianNB()
nb.fit(X_train,y_train)
nb_pred = nb.predict(X_test)
print(metrics.classification_report(y_test,nb_pred)

#SVM Classifier
svm = SVC()
svm.fit(X_train,y_train)
svm_pred = knn.predict(X_test)
print(metrics.classification_report(y_test,svm_pred)

当我尝试运行此代码时，我的SVM分类器出现问题。 错误代码如下所示：

      precision    recall  f1-score   support

  Brass       1.00      0.21      0.34        72
Percussion    0.38      1.00      0.55       279
 String       1.00      0.15      0.26       276
 Woodwind     0.00      0.00      0.00       156

 avg / total  0.58      0.43      0.32       783

C:\Users\Anaconda3\lib\site-packages\sklearn\metrics\classification.py:1135: UndefinedMetricWarning: Precision and F-score are ill-defined and being set to 0.0 in labels with no predicted samples.

当我从SVM分类器（svm_pred）检查我的预测标签时，没有预测到Woodwind类，这导致Woodwind类的Precision和F1-Score值为0.0。 尽管我对所有3种算法使用了相同的训练集，但仅对于SVM分类器会出现此问题。 有人知道如何解决这个问题吗？

注意：我所有4个类别的数据集都不平衡，我怀疑这可能触发了此错误

Answer 1

我想我知道你的问题是什么。 可能是因为SVM分类器未正确分类Woodwind类的任何实例。 然后，当他尝试计算Woodwind类的精度时，他得到0，因为要计算精度，他做了类似的事情：

真阳性除以（真阳性+假阳性）。

但是真实正值等于0，因此他无法计算0除以某物。 这就是为什么精度分数的值为0的原因。

请记住，真正的肯定是分类器正确分类的Woodwind类的实例数。