最近我在处理多类分类问题。我使用的指标是微观F1，调用方式如下：

f1_score(predictions,real_labels,average="micro")

在某些折叠中（我正在进行10折分层交叉验证），我收到了以下错误：

/home/user/.local/lib/python3.6/site- packages/sklearn/metrics/classification.py:1145: UndefinedMetricWarning: F-score is ill-defined and being set to 0.0 in labels with no true samples.

我想知道如何忽略这些折叠？

谢谢！

回答：

您提到您有133个样本，7个类别，并且正在进行10折分层交叉验证，因此每个折叠大约有13个样本。如果您的某个类别占数据的比例不到7.5%，那么很可能某个折叠中没有该类别的样本，这就是错误产生的原因。

检查您的类别比例，可以通过增加训练数据或减少折叠数量来避免这种警告。

分层折叠确保每个折叠中的类别分布与完整数据集的类别分布相似，因此如果您有一个类别只占7%的样本，而每个折叠只有13个样本，那么13*7/100 < 1，这意味着在10个分层折叠中没有足够的数据来代表这个类别。