UndefinedMetricWarning: Precision is ill-defined and being set to 0.0 due to no predicted samples. Use `zero_division` parameter to control this behavior.
Modelul n-a prezis niciodată clasa pozitivă, deci precizia ar fi 0 împărțit la 0; scikit-learn o pune 0 și te avertizează. Cauza reală e de obicei un model care prezice doar clasa majoritară. Echilibrează clasele (class_weight='balanced', prag mai mic) și setează zero_division explicit.
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
Precizia înseamnă „din câte ori am spus pozitiv, de câte ori am avut dreptate”: TP / (TP + FP). Dacă modelul nu a spus niciodată „pozitiv”, numitorul este 0, iar precizia nu este definită. scikit-learn alege 0.0 și emite avertismentul, ca să știi că numărul nu e o măsurătoare reală. Mesajul înrudit pentru recall (no true samples) apare când în y_true nu există nicio etichetă pozitivă.
Avertismentul îți spune ceva important despre model: la date dezechilibrate (puține fraude, puțini clienți care pleacă), un model simplu ajunge să prezică mereu clasa majoritară și are o acuratețe care pare bună. Uită-te la y_pred.sum() sau la matricea de confuzie. Parametrul zero_division doar alege ce valoare se afișează; nu repară modelul. În editor, avertismentul e transformat în eroare cu warnings.simplefilter("error").
De ce apare: cauzele frecvente
1Model care prezice doar clasa majoritară
model = LogisticRegression().fit(X_train, y_train) # 5% fraude
print(precision_score(y_test, model.predict(X_test)))model = LogisticRegression(class_weight="balanced").fit(X_train, y_train)
print(precision_score(y_test, model.predict(X_test)))class_weight="balanced" dă mai multă greutate clasei rare la antrenare, așa că modelul începe să o prezică.
2Prag de decizie prea mare
y_pred = (model.predict_proba(X_test)[:, 1] >= 0.9).astype(int)
precision_score(y_test, y_pred)y_pred = (model.predict_proba(X_test)[:, 1] >= 0.5).astype(int)
precision_score(y_test, y_pred, zero_division=0)Un prag mai rezonabil produce predicții pozitive; zero_division=0 spune explicit ce vrei când nu există niciuna.
3Set de test fără exemple pozitive
recall_score([0, 0, 0], [0, 1, 0])recall_score([0, 1, 0, 1], [0, 1, 0, 0])Recall-ul se raportează la pozitivele reale; fără ele, metrica nu are sens. Ai nevoie de un set de test cu ambele clase (stratify).
Repară eroarea, direct în pagină
Codul de mai jos transformă avertismentele în erori și se oprește cu UndefinedMetricWarning: Precision is ill-defined..., pentru că modelul nu prezice niciodată frauda (clasa 1). Repară-l: antrenează regresia logistică cu class_weight="balanced", ca programul să afișeze câte fraude a semnalat modelul și precizia.
import warnings
import numpy as np
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import precision_score
warnings.simplefilter("error")
suma = np.array([[10], [25], [30], [15], [40], [22], [35], [18], [28], [33], [90], [95]])
frauda = np.array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0])
model = LogisticRegression(C=0.0001).fit(suma, frauda)
y_pred = model.predict(suma)
print("Fraude semnalate:", int(y_pred.sum()))
print("Precizie:", round(precision_score(frauda, y_pred), 2))Fraude semnalate: 2 Precizie: 0.5
Indiciu
Creează modelul cu LogisticRegression(class_weight="balanced").
Reparația
import warnings
import numpy as np
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import precision_score
warnings.simplefilter("error")
suma = np.array([[10], [25], [30], [15], [40], [22], [35], [18], [28], [33], [90], [95]])
frauda = np.array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0])
model = LogisticRegression(C=0.0001, class_weight="balanced").fit(suma, frauda)
y_pred = model.predict(suma)
print("Fraude semnalate:", int(y_pred.sum()))
print("Precizie:", round(precision_score(frauda, y_pred), 2))De ce merge
Cu o singură fraudă din 12 tranzacții și o regularizare puternică (C mic), modelul a ales soluția comodă: prezice mereu „nu e fraudă”. Nu există nicio predicție pozitivă, deci precizia este 0 / 0 și scikit-learn avertizează. class_weight="balanced" face ca greșelile pe clasa rară să conteze mult mai mult la antrenare, așa că modelul începe să semnaleze tranzacțiile mari. Acum există predicții pozitive, iar precizia arată câte dintre ele sunt fraude reale.
Alte forme ale mesajului
UndefinedMetricWarning: Recall is ill-defined and being set to 0.0 due to no true samples. Use `zero_division` parameter to control this behavior.UndefinedMetricWarning: Precision is ill-defined and being set to 0.0 in labels with no predicted samples. Use `zero_division` parameter to control this behavior.UndefinedMetricWarning: F-score is ill-defined and being set to 0.0 due to no true nor predicted samples. Use `zero_division` parameter to control this behavior.
Cum o eviți pe viitor
La date dezechilibrate, verifică întotdeauna matricea de confuzie și câte predicții pozitive face modelul, nu doar acuratețea. Compară modelul cu un DummyClassifier. Folosește class_weight="balanced", ajustează pragul de decizie și împarte datele cu stratify=y. Setează zero_division explicit în rapoarte, ca să nu ai avertismente care ascund problema.
Întrebări frecvente
Dacă pun zero_division=0, am rezolvat problema?
Ai rezolvat doar afișarea: avertismentul dispare și precizia e 0. Problema reală, un model care nu prezice niciodată clasa importantă, rămâne și trebuie reparată în model sau în date.
De ce acuratețea e mare, dar precizia e 0?
Pentru că, dacă 95% din exemple sunt negative, modelul care spune mereu „negativ” are 95% acuratețe. Nu prinde însă niciun pozitiv, iar precizia și recall-ul arată exact asta.
Erori înrudite
ValueError: pos_label=1 is not a valid label. It should be one of ['da', 'nu'] Etichetele tale sunt texte ('da', 'nu'), dar metrica (precision_score, recall_score, f1_score) caută implicit clasa pozitivă 1. Spune-i care e clasa pozitivă: pos_label='da', sau transformă etichetele în 0/1. ValueError: This solver needs samples of at least 2 classes in the data, but the data contains only one class: np.int64(1) Datele de antrenare conțin o singură clasă (de exemplu doar 1), deci clasificatorul n-are între ce să aleagă. Verifică ținta cu y.value_counts(): de obicei un filtru, o sortare sau o împărțire fără stratify a lăsat în train o singură clasă. Învață Machine Learning de la zero, cu exerciții la fiecare lecție
Curs Machine Learning și AI pentru începători: lecții scurte, fiecare cu un exercițiu verificat automat, direct în browser. Primele 15 lecții sunt gratuite.
