sklearn计算matthews_corrcoef和precision_score出现警告及运行慢如何解决

问题根因 #

你遇到的两个警告和返回0的结果和输入特征有无NaN无关，核心原因是模型对测试集的预测结果全为负类，没有预测出任何pos_label=1的正样本：

• precision的警告已经明确说明due to no predicted samples，没有预测到正样本的情况下precision无意义，默认返回0
• MCC的报错是因为预测值没有类间方差，计算时分母为0，触发非法数值计算警告

排查步骤 #

• 先统计标签与预测值的分布，执行以下代码确认分布情况：

# 查看测试集真实标签分布
print(np.unique(test_labels, return_counts=True))
# 查看测试集预测结果分布
print(np.unique(y_test_pred, return_counts=True))

优先确认是否存在类别极度不平衡、标签编码与pos_label设置不匹配的问题

• 排查训练过程：查看训练集的标签分布，如果正样本占比极低，模型会直接选择全部预测负类来获取最高的整体准确率，没有学到正样本的判别特征
• 模型运行慢排查：先检查输入特征的维度是否过高、数据类型是否为非数值型（如object类型）、是否使用了未做轻量化配置的复杂模型

解决方案 #

指标报错处理 #

1. 先解决类别不平衡问题：可通过SMOTE上采样少数类、下采样多数类，或在模型初始化时添加class_weight='balanced'参数，提高少数类的损失权重，避免模型直接全部预测多数类
2. 调用指标时添加参数规避警告：调用precision_score时添加zero_division参数，示例：

precision_score(test_labels, y_test_pred, pos_label=1, zero_division=0)*100

可直接消除UndefinedMetricWarning，MCC的警告会在预测结果存在两类样本时自动消失
3. 可根据业务场景更换对不平衡数据更友好的评估指标，如AUC-ROC、F1-score

模型运行慢处理 #

1. 做特征筛选：通过方差过滤、互信息法等去掉冗余特征，降低输入维度
2. 统一输入数据类型：将所有特征转换为float32类型，降低计算开销，示例：

te_fin = te_fin.astype('float32')

3. 轻量化模型配置：调低集成模型的树数量、最大深度等超参数，或先使用逻辑回归等轻量模型跑通基线，再逐步迭代更复杂的模型

内容的提问来源于stack exchange，提问作者partho