Python 网格搜索&x27；未定义的度量学习'；坏结果

我已经创建了一个简单的脚本，用于在随机森林分类器上应用网格搜索，虽然我在过去使用过它，但现在它似乎被破坏了，我找不到原因

from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import GridSearchCV

rfc = RandomForestClassifier(n_estimators=100, n_jobs=-1).fit(X, y)


grid_values = {'criterion':['gini','entropy'], 'max_features':['log2', 5, 10, 15, 20, 25], 'max_depth':[None, 5, 10, 15, 20],
               'min_samples_split':[2, 3],'n_jobs':[-1], 'class_weight': [{0 : 1., 1: 30.}, {0 : 1., 1: 50.}, {0 : 1., 1: 100.}]}

for eval_metric in ('precision', 'accuracy'):
  rfc_custom = GridSearchCV(rfc, param_grid=grid_values, scoring=eval_metric)
  rfc_custom.fit(X_train, y_train)
  rfc_custom.best_params_
  print('Grid best parameter (max. {0}): {1}'
         .format(eval_metric, rfc_custom.best_params_))
  print('Grid best score ({0}): {1}'
         .format(eval_metric, rfc_custom.best_score_))

运行此操作时，我收到以下警告：UndefinedMetricWarning:Precision定义错误，由于没有预测样本，因此被设置为0.0。

在线搜索时，我添加了此代码，警告停止：

import warnings
import sklearn.exception

warnings.filterwarnings("ignore",category=sklearn.exceptions.UndefinedMetricWarning)

运行该算法后，我得到了0.0的精度

---

因为我收到警告，这正常吗？我可能遗漏了什么吗？

我认为在某些CV条件下没有TP和FP样本，所以GridSearchCV中发生了零分裂。如果验证数据没有标签的数据，或者所有样本都以某种方式未分类到其他样本中，就会发生这种情况

---

备注：精度的定义为（TP）/（TP+FP），其中TP为真阳性，FP为假阳性

下面的代码仅隐藏警告，但不会更改算法的行为。问题是，在预测值中，有一些类从未被算法预测过，因此精度未定义。哪一行发出了警告？它在“GridSearchCV（rfc，param_grid=grid_values，scoring=eval_metric）”行中发出。根据我的理解，每次交叉验证都会产生此错误，因为同一度量会产生多个错误。这是有意义的，因为我在一个不均匀的数据集中只使用了几行（1000行），只是为了检查我的算法是否有效。是否有方法确认所有交叉验证样本都是分层的？您需要手动将数据集按进行分离。然后，绘制一个并检查每个预测标签至少有一个样本。我不确定是否有好的方法从GridSearchCV对象提取此类信息。。。