почему scikitlearn говорит, что оценка F1 плохо определена с FN больше 0?

Я запускаю программу на Python, которая вызываетsklearn.metricsМетоды для вычисления точности и оценки F1. Вот вывод, когда нет предсказанного образца:

/xxx/py2-scikit-learn/0.15.2-comp6/lib/python2.6/site-packages/sklearn/metr\
ics/metrics.py:1771: UndefinedMetricWarning: Precision is ill-defined and being set to 0.0 due to no predicted samples.
  'precision', 'predicted', average, warn_for)

/xxx/py2-scikit-learn/0.15.2-comp6/lib/python2.6/site-packages/sklearn/metr\
ics/metrics.py:1771: UndefinedMetricWarning: F-score is ill-defined and being set to 0.0 due to no predicted samples.
  'precision', 'predicted', average, warn_for)

Когда нет прогнозируемой выборки, это означает, что TP + FP равен 0, поэтому

точность (определенная как TP / (TP + FP)) равна 0/0, не определена,Оценка F1 (определяется как 2TP / (2TP + FP + FN)) равна 0, если FN не равен нулю.

В моем случае,sklearn.metrics также возвращает точность как 0,8 и возвращает как 0. Таким образом, FN не равен нулю.

Но почему Scikilearn говорит, что F1 плохо определен?

Какое определение F1 используется Scikilearn?