Я извлекаю значение F1_macro, используя функцию f1_score sklearn.
Я делаю это для своей сети Keras, это код:
Y_dev_pred = self.model.predict([self.dev[0], self.dev[1]], batch_size=self.BatchSize, verbose=0)
Y_dev_pred = np.argmax(Y_dev_pred, axis=1)
self.Y_dev = np.argmax(self.dev[2], axis=1)
print('####### ', self.Y_dev.shape, ' ', Y_dev_pred.shape)
print(self.Y_dev, ' ### ', Y_dev_pred)
print(f1_score(self.Y_dev, Y_dev_pred, average='macro'))
Выход:
####### (19647,) (19647,) [1 0 0 ... 2 0 2] ### [0 0 0 ... 2 1 0] Traceback (most recent call last): File "main.py", line 185, in <module> deep.run_model(reTrain=True) File ".../models/DL.py", line 477, in run_model self.evaluate_on_test() File ".../models/DL.py", line 448, in evaluate_on_test print(f1_score(self.Y_dev, Y_dev_pred, average='macro')) TypeError: f1_score() got an unexpected keyword argument 'average'
В чем проблема, я что-то пропустил?
Наиболее вероятная причина в том, что ваша версия sklearn
неверна.
Вы также можете узнать, на их ли стороне. Я нашел эта проблема Github, где причиной была опечатка, которая была исправлена в будущем PR.
@ TheGamer007, Да, я обнаружил это сейчас. Я вызывал другой метод f1_score .. спасибо
Проверьте, имеет ли какая-либо из ваших меток y_true или y_predicted только два класса? проверьте уникальные значения в каждом. средний макрос работает только для мультикласса, если какая-либо из переменных имеет только два класса, он выдает такую ошибку! и да, проверьте версию вашего sklearn,
Я получил эту ошибку, когда в моем коде была еще одна функция с именем f1_score.
Мой научный навык Name: scikit-learn Version: 0.24.2
Я все еще получаю эту проблему. Моя проблема мультиклассовая, а не бинарная.
Если я уберу среднее значение, я получу эту ошибку Target is multiclass but average='binary'. Please choose another average setting, one of [None, 'micro', 'macro', 'weighted'].
потому что у вас проблема с мультиклассом, но average='binary'
установлен по умолчанию.
Это странно, в документах есть очень похожие вызовы в качестве примеров, и подпись указывает, что это должно работать. Это последняя версия scikit-learn, верно? Может быть, он вызывает какой-то другой метод
f1_score
?