如何计算 k 折交叉验证的准确度、精确度、召回率、f1_score 或修复此代码？

如何解决如何计算 k 折交叉验证的准确度、精确度、召回率、f1_score 或修复此代码？

我有一个包含 4 类分类的不平衡数据集，我构建了 MultinomialNB 并使用了 10 折的 k 折交叉验证，我想计算准确率、精度、召回率、f1_score

所以我使用了以下方法

scoring = {'accuracy' : make_scorer(accuracy_score),'precision' : make_scorer(precision_score),'recall' : make_scorer(recall_score),'f1_score' : make_scorer(f1_score)}                                                   
cv = KFold(n_splits=10,random_state=1,shuffle=True)                                     
model = MultinomialNB()                                                                  
scores = cross_validate(model,X_train_tfidf,y,scoring=scoring,cv=cv,n_jobs=-1) 
print(scores)

但作为输出，所有数组都是 NaN

'test_accuracy': array([nan,nan,nan]),'test_precision': array([nan,'test_recall': array([nan,'test_f1_score': array([nan,nan])}

我也用过

scoring = {'accuracy' : 'accuracy','precision' : 'precision','recall' : 'recall'
      }

结果还是一样

那么对于 k 折交叉验证，还有另一个为什么要计算准确度、精确度、召回率、f1_score 的原因吗？