Sklearn的cross_validate搭配SVC模型返回NaN问题求助

问题原因 #

你使用的评估指标列表中包含roc_auc_ovr_weighted，该指标需要模型输出每个类别的预测概率才能计算。而SVC类的默认参数probability=False，不会额外训练概率校准模型，无法输出概率值，因此该指标的计算结果为NaN，其余不需要概率的指标（如准确率、召回率、精确率等）本可以正常输出，但cross_validate在部分指标计算失败时会批量返回NaN，这就是你看到所有SVC相关结果都是NaN的原因。

其他模型如RandomForest、XGBoost等默认支持输出预测概率，因此可以正常完成所有指标计算。你单独测试recall_weighted指标时可以正常输出，也印证了不需要概率的指标本身对SVC是可用的。

解决方法 #

根据你的需求二选一即可：

• 方法1：开启SVC的概率输出能力，修改SVC初始化代码为SVC(probability=True)。该参数会触发SVC额外训练Platt缩放模型用于概率校准，会小幅增加训练耗时，但可以正常计算所有你指定的评估指标。
• 方法2：移除评估指标列表中的roc_auc_ovr_weighted，如果你不需要AUC相关指标，直接删除scoring列表中的该项即可，无需修改SVC参数也能得到所有剩余指标的正常结果。

内容的提问来源于stack exchange，提问作者David Hernandez