Python 在多类分类问题中，如何得到每个类的精度分数？

我正在进行情绪分析分类，我正在使用Scikit learn进行分类。它有3个标签，正极、中性和负极。我的培训数据的形状是

（14640,15）

，其中

negative    9178
neutral     3099
positive    2363

我已经对数据进行了预处理，并将

bag of words

word矢量化技术应用到twitter的文本中，因为还有许多其他属性，它们的大小是

（146401000）

。 因为Y表示标签是文本形式，所以我对其应用了LabelEncoder。这就是我分割数据集的方式-

X_train, X_test, Y_train, Y_test = train_test_split(bow, Y, test_size=0.3, random_state=42)
print(X_train.shape,Y_train.shape)
print(X_test.shape,Y_test.shape)

out: (10248, 1000) (10248,)
     (4392, 1000) (4392,)

这是我的分类器

svc = svm.SVC(kernel='linear', C=1, probability=True).fit(X_train, Y_train) 
prediction = svc.predict_proba(X_test) 
prediction_int = prediction[:,1] >= 0.3 
prediction_int = prediction_int.astype(np.int) 
print('Precision score: ', precision_score(Y_test, prediction_int, average=None))
print('Accuracy Score: ', accuracy_score(Y_test, prediction_int))

out:Precision score:  [0.73980398 0.48169243 0.        ]
Accuracy Score:  0.6675774134790529
/usr/local/lib/python3.6/dist-packages/sklearn/metrics/classification.py:1437: UndefinedMetricWarning: Precision is ill-defined and being set to 0.0 in labels with no predicted samples.
  'precision', 'predicted', average, warn_for)

---

现在我不知道为什么第三个，在精度分数是空白的？我已经应用了

average=None

，因为我想为每门课单独打分。另外，我不确定这个预测是否正确，因为我是为二进制分类写的？你能帮我调试一下使它更好吗。提前感谢。

如警告所述：

UndefinedMetricWarning: Precision is ill-defined and being set to 0.0 in labels with no predicted samples.

从您的预测来看，您的三个类中似乎有一个缺失了

prediction\u int

（即，您从未预测过它）；您可以很容易地检查是否存在这种情况

set(Y_test) - set(prediction_int)

如果不是这种情况，则应为空集

{}

如果确实是这样，并且上面的操作给出了

{1}

或

{2}

，最可能的原因是您的数据集不平衡（您有更多的

负

样本），并且您不要求分层拆分；将您的

train\u test\u split

修改为

X_train, X_test, Y_train, Y_test = train_test_split(bow, Y, test_size=0.3, stratify=Y, random_state=42)

然后再试一次

更新（评论后）：

事实证明，您有一个类不平衡问题（而不是编码问题），这会阻止分类器成功预测第三个类（

positive

）。阶级不平衡本身就是一个巨大的子话题，有几种补救措施被提出。尽管讨论更多细节可能超出了单个SO线程的范围，但您应该尝试的第一件事（在上述建议的基础上）是在分类器的定义中使用

class\u weight='balanced'

参数，即：

svc = svm.SVC(kernel='linear', C=1, probability=True, class_weight='balanced').fit(X_train, Y_train) 

---

有关更多选项，请查看专用Python库（项目的一部分）。

这样做了，但当我执行

set（Y\u test）-set（prediction\u int）

时，会返回

{2}

，因此您的话非常正确。接下来我做了

X\u-train，X\u-test，Y\u-train，Y\u-test=train\u-test\u-split（bow，Y，test\u-size=0.3，random\u-state=42）

to

X\u-train，X\u-test，Y\u-train，Y\u-test=train\u-test\u-test\u-split（bow，Y，test\u-size=0.3，stratify，random\u-state=42）

并运行它，但仍然没有结果，和以前一样，就像最后一个精度缺失和

{>2}/code>。你认为我的预测有什么不对吗？@DebPrakashChatterjee，那是因为事实上你没有任何编码问题（可以说这就是全部），而是一个数据问题（类不平衡）。请注意，我只是建议“再试一次”（而不是“它应该起作用”或其他东西），也就是说，我写的是正确的操作，但仍然不意味着它足以处理不平衡的数据……这很清楚，但有任何选择吗？我知道这可能会失败，但我仍然想这样做，我即将完成我的最后一个项目。那么，我在请求，有成功的机会吗？我得到了，我已经打印了
预测_int
，结果是，它没有打印第三类
[0 0 0…1 0 0]
。很有问题。@DebPrakashChatterjee您的意思是，在使用了
class_weights='balanced'
之后，检查您的预测结果（测试数据），看起来没有一个数据点被预测为第三个class@SincoleBrans答案中已经指出了这一点，OP在其中的评论中也证实了这一点。