运行以下代码后

matthews_corrcoef(test_labels, y_test_pred)*100

我遇到了这个错误

 /usr/local/lib/python3.7/dist-packages/sklearn/metrics/_classification.py:900: RuntimeWarning: invalid value encountered in double_scalars  mcc = cov_ytyp / np.sqrt(cov_ytyt * cov_ypyp)0.0

对于精确度得分

from sklearn.metrics import precision_scoresklearn.metrics.precision_score(test_labels, y_test_pred, pos_label= 1)*100

得到了另一个错误

 usr/local/lib/python3.7/dist-packages/sklearn/metrics/_classification.py:1272: UndefinedMetricWarning: Precision is ill-defined and being set to 0.0 due to no predicted samples. Use `zero_division` parameter to control this behavior.  _warn_prf(average, modifier, msg_start, len(result))0.0

为了解决这个问题，我尝试使用以下代码从训练和测试数据中移除NAN和无穷值

te_fin = np.nan_to_num(te_fin)

但问题仍然存在，并且模型运行非常慢。

回答：

第二条消息是一个警告，由sklearn.metrics.precision_score函数引发。要消除此警告，您必须通过’zero_division’参数明确指定所需的行为。请注意，精确度是使用公式precision = Tp / (Tp + Fp)计算的。警告告诉您正在执行除以零的操作，这是一个无效操作。这意味着您的预测值中不包含正标签，所有标签都被预测为负标签。

第一个警告是出于同样的原因，但该函数没有提供参数来指定在零除法情况下该做什么。您可能需要在调用函数之前自己检查值以避免警告。