Scikit-Learn分类报告为何显示支持度为0的样本？如何解决？

原因分析 #

你遇到的情况是sklearn.metrics.classification_report的默认行为导致的：

• 工具默认会收集真实标签（y_true）和预测标签（y_pred）中出现过的所有标签的并集来生成报告的标签列表。
• 你的模型在第一个epoch训练不足，预测时输出了标签1、2、3（哪怕真实数据里没有这些标签），所以这些标签会被纳入报告，显示支持度为0（因为真实数据里没有对应的样本）。
• 标签4既没出现在真实数据里，也没被模型预测出来，所以不会出现在报告里，这就造成了标签显示不一致的情况。

修复方案 #

根据你的需求，有两种常用的解决方式：

1. 强制显示所有任务标签（推荐）

显式指定labels参数，把任务包含的所有标签（0、1、2、3、4）都传进去，这样不管真实数据或预测结果里有没有这些标签，都会在报告中显示：

from sklearn.metrics import classification_report

# 假设y_true和y_pred是你的真实标签和预测结果
print(classification_report(
    y_true, 
    y_pred, 
    labels=[0, 1, 2, 3, 4],
    zero_division=0  # 处理无样本时的precision/recall计算，避免警告或异常
))

这样报告里会完整显示0-4所有标签，其中1、2、3、4的支持度都是0，同时可以通过zero_division参数控制无样本时的指标显示（设为0或1都可以，根据需求调整）。

2. 只显示真实数据中存在的标签

如果你只想报告真实数据里出现过的标签（也就是只显示0），可以通过labels参数传入真实标签的唯一值：

import numpy as np

print(classification_report(
    y_true, 
    y_pred, 
    labels=np.unique(y_true),
    zero_division=0
))

这样报告里只会显示标签0，不会出现1、2、3这些无真实样本的标签。

内容的提问来源于stack exchange，提问作者Sean