Python 使用scikit学习了解分类报告中的未定义度量学习？

我有一个包含5个类别的文本分类任务。问题是我的分类精度不高，并且此警告可能是由于未平衡的数据（我不确定）：

我猜这个警告是因为数据聚集在5标签中而产生的如何修复此警告以及如何增加分类报告的结果？。我还尝试使用以下超参数进行网格搜索：

Best parameters set:
    clf__C: 0.1
    vect__max_df: 0.25
    vect__ngram_range: (1, 1)
    vect__use_idf: True

Accuracy:
0.456923076923

---

但是仍然得到了糟糕的结果，有谁能帮我用SVC或其他模型来增加这个结果吗

您可以使用管道，然后还可以使用网格搜索TfidifVectorizer的参数以及SVC的C，如n-gram范围（1,1）、（1,2）或（2,2），可以设置不同的最大df，与CountVectorizer进行比较，也可以尝试字符n-grams（具有更高的n-gram范围）。

我忘了提到我有不平衡的数据。一半的数据在一个类中，有3个类。警告是由分类报告提出的，而不是网格搜索。感谢反馈。我知道这是由classification_报告引起的，我查看web以修复此问题，我阅读了，正如我所理解的，前面的参考通过使用其他参数进行网格搜索来修复此问题。您认为这是由于数据不平衡造成的吗。可能这是因为我在一个类中有1190个2599的实例。你知道如何修复之前的警告吗？那么你不是在问警告，而是在问如何在数据上获得更好的结果。我不会在这里使用“rbf”内核，如果使用，还必须搜索“gamma”。对于线性内核，可以使用更大范围的C，也可以使用

scoring=“auc”

。您也可以尝试

class\u weight='auto'

。降维不能使用来自标签数据的任何信息，而监督算法可以。除非你知道数据中噪声的具体情况，否则无监督的降维不太可能有帮助。我已经做好了尝试，但仍然没有增加指标，我也做了网格搜索，仍然是一样的。谢谢你的帮助。

Best parameters set:
    clf__C: 0.1
    vect__max_df: 0.25
    vect__ngram_range: (1, 1)
    vect__use_idf: True

Accuracy:
0.456923076923