加快 SVM 评分中的交叉验证答案

【问题标题】：Speed up cross validation in SVM scoring加快 SVM 评分中的交叉验证
【发布时间】：2020-12-31 20:28:32
【问题描述】：

我想得到acracy、average_precision、F1、precision、recall和roc_auc分数

我确实意识到使用下面的代码，我会得到average_precision，问题是运行这段代码时需要大约20分钟才能显示结果，有没有更好的方法可以在更短的时间内获得以上所有分数多少时间？

clf_svm_2_scores_avg_precision = cross_val_score(clf_svm_2, np.array(x), data['link'], cv=5, scoring='average_precision')

【问题讨论】：

【解决方案1】：

交叉验证通常很长，因为训练/验证过程通常会进行多次，然后计算得分的平均值。您可以尝试添加参数n_jobs，您必须在其中设置计算机的核心数。

【讨论】：

这很有帮助，谢谢！我还发现，如果你想获得多个分数，你可以传入评分参数中所有分数的列表
现在我得到 UndefinedMetricWarning: F-score 定义不明确，由于没有预测样本而被设置为 0.0。 'precision'，'predicted'，average，warn_for），所有这些的结果都是0，关于如何解决这个问题的任何想法？谢谢
您为解决第二个问题做了什么尝试？
我没有退出，我添加了平均参数并将其设置为“微”，然后将其切换为“宏”，这样我得到了不同的结果，比 0.0 好得多
只需检查y_tru中的所有标签是否都出现在y_pred中，如本文所示：stackoverflow.com/questions/43162506