UndefinedMetricWarning: Recall is ill-defined and being set to 0.0 due to no true samples. Use zero_division parameter to control this behavior. _warn_prf(average, modifier, msg_start, len(result)) 怎么解决

这个警告是因为在计算召回率时，没有真正的样本，导致除数为0。你可以使用`zero_division`参数控制警告的行为。

例如，如果想要将召回率未定义的标签的值设置为0，可以将`zero_division`参数设置为0，如下所示：

from sklearn.metrics import precision_recall_fscore_support

precision, recall, f1_score, support = precision_recall_fscore_support(y_true, y_pred, zero_division=0)

这样，如果召回率未定义，它将被设置为0，而不是发出警告。

相关问题

UndefinedMetricWarning: Recall is ill-defined and being set to 0.0 due to no true samples. Use `zero_division` parameter to control this behavior. _warn_prf(average, modifier, msg_start, len(result)) 怎么解决

这个警告表示召回率无法计算，因为没有真正的样本。可以使用 `zero_division` 参数控制这种情况的行为。

例如，如果想将召回率设置为0.0，可以将 `zero_division` 参数设置为0，如下所示：

from sklearn.metrics import precision_recall_fscore_support

precision, recall, f1_score, support = precision_recall_fscore_support(y_true, y_pred, zero_division=0)

或者，你也可以选择忽略这个警告：

import warnings
warnings.filterwarnings('ignore', '.*recall.*ill-defined.*')

不过需要注意，忽略警告可能会掩盖真正的问题，所以最好还是尝试解决这个问题。

C:\Users\chaizhiyuan\Anaconda3\lib\site-packages\sklearn\metrics\_classification.py:1248: UndefinedMetricWarning: Recall is ill-defined and being set to 0.0 due to no true samples. Use `zero_division` parameter to control this behavior. _warn_prf(average, modifier, msg_start, len(result))

这个警告是因为在计算召回率时，模型没有预测出任何真实样本，因此召回率被设置为0。你可以使用 `zero_division` 参数来控制这个行为，将其设置为 `1` 或者 `0`，以便在召回率计算时避免出现警告。例如：

from sklearn.metrics import precision_recall_fscore_support

precision, recall, f1_score, support = precision_recall_fscore_support(y_true, y_pred, zero_division=1)

这里将 `zero_division` 设置为 `1`，即当召回率分母为0时，将召回率设置为1。