我运行了SVM-Light分类器，但它输出的召回率/精确度行似乎出现了异常：

Reading model...OK. (20 support vectors read)Classifying test examples..100..200..doneRuntime (without IO) in cpu-seconds: 0.00Accuracy on test set: 95.50% (191 correct, 9 incorrect, 200 total)Precision/recall on test set: 0.00%/0.00%

我应该如何配置才能获得有效的精确度和召回率？

回答：

例如，如果你的分类器总是预测”-1″——即负类；然而，你的测试数据集中包含191个”-1″和9个”+1″作为黄金标签，你将正确分类191个，错误分类9个。

True positives : 0        (TP)True negatives : 191      (TN)False negatives: 9        (FN)False positives: 0        (FP)Thus:               TP             0Precision = -----------  = --------- = undefined             TP + FP         0 + 0               TP             0Recall    = -----------  = --------- = 0             TP + FN        0 + 9

从上面的公式可以看出，只要你的TP为零，你的精确度/召回率要么为零，要么为未定义。

为了调试，你应该输出（对于每个测试样本）黄金标签和预测标签，以便你知道问题出在哪里。