自定义分类指标函数报cannot unpack non-iterable float错误如何解决

• 核心原因是Python函数的return执行逻辑：函数运行到第一个return语句时就会直接终止运行，你当前代码写了4条连续的return语句，实际只会返回第一个acc这单个浮点数值。而你调用函数时尝试把返回值解包给4个变量，单个浮点数不属于可迭代对象，无法执行解包操作，因此抛出TypeError。
• 额外存在两处逻辑问题：
  1. 准确率acc的计算逻辑写在for循环内部，每次遍历样本都会重复计算，虽然最终结果不会出错，但逻辑冗余不严谨
  2. 正类判定条件写的是x>0.5，不符合你要求的≥0.5判定为正类的规则，等于0.5的预测概率会被误判为负类

把4条单独的return语句合并为一条，按顺序返回四个指标的元组，同时修正上述两处逻辑问题即可，修复后的完整函数代码如下：

def calc_metrics(y,pred_probs):
    # 生成预测标签，≥0.5判定为正类
    preds = [int(x >= 0.5) for x in pred_probs]

    # 计算准确率
    correct = 0
    for i in range(len(y)):
        if y[i] == preds[i]:
            correct += 1
    acc = float(correct / len(y) * 100)

    # 计算混淆矩阵核心指标
    tp = sum([(preds[i]==1) and (y[i]==1) for i in range(len(y))])
    fp = sum([(preds[i]==1) and (y[i]==0) for i in range(len(y))])
    fn = sum([(preds[i]==0) and (y[i]==1) for i in range(len(y))])

    precision = float(tp/(tp+fp))
    recall = float(tp/(tp+fn))
    f1 = float(2*precision*recall/(precision+recall))
    
    # 按要求顺序一次性返回四个指标的元组
    return acc, recall, precision, f1

修改后再次运行测试代码即可正常输出四个指标结果。

内容的提问来源于stack exchange，提问作者diesmiling