遇到这个问题的原因通常是,在预测的标签中缺少实际的标签。
我举个简单的二分类的例子:
实际标签 1,1,1,1,0,0,0,0
预测标签 0,0,0,0,0,0,0,0
这里在预测标签中就没有 1 这个标签。
这个时候就会出现这样的警告,注意这个是警告并不是错误。
一种避免警告的方法如下:
import warnings
warnings.filterwarnings("ignore")
博客指出预测标签中缺少实际标签会出现警告,以二分类为例,给出实际标签和预测标签示例说明情况,强调这是警告而非错误,并提及有一种避免警告的方法。
遇到这个问题的原因通常是,在预测的标签中缺少实际的标签。
我举个简单的二分类的例子:
实际标签 1,1,1,1,0,0,0,0
预测标签 0,0,0,0,0,0,0,0
这里在预测标签中就没有 1 这个标签。
这个时候就会出现这样的警告,注意这个是警告并不是错误。
一种避免警告的方法如下:
import warnings
warnings.filterwarnings("ignore")
8078
2793
3万+
2万+
2108
5262