Evalml: ユニットテストの警告メッセージ：「double_scalarsで無効な値が見つかりました」など

問題
ローカルで実行します（Python 3.8で実行しますが、他のPythonバージョンでも同様です）：

(featurelabs) ➜  evalml git:(master) pytest -v evalml/tests/automl_tests/test_autobase.py::test_pipeline_limits
====================================================================== test session starts ======================================================================
platform darwin -- Python 3.8.0, pytest-4.4.1, py-1.8.0, pluggy-0.13.1 -- /Users/dsherry/anaconda/envs/featurelabs/bin/python
cachedir: .pytest_cache
rootdir: /Users/dsherry/development/aie/featurelabs/evalml, inifile: setup.cfg
plugins: xdist-1.26.1, cov-2.6.1, nbval-0.9.3, forked-1.1.3
collected 1 item

evalml/tests/automl_tests/test_autobase.py::test_pipeline_limits PASSED       [100%]

======================================================================= warnings summary ========================================================================
evalml/tests/automl_tests/test_autobase.py::test_pipeline_limits
evalml/tests/automl_tests/test_autobase.py::test_pipeline_limits
...
  /Users/dsherry/anaconda/envs/featurelabs/lib/python3.8/site-packages/sklearn/metrics/classification.py:1436: UndefinedMetricWarning:

  Precision is ill-defined and being set to 0.0 due to no predicted samples.
...
  /Users/dsherry/anaconda/envs/featurelabs/lib/python3.8/site-packages/sklearn/metrics/classification.py:1436: UndefinedMetricWarning:

  F-score is ill-defined and being set to 0.0 due to no predicted samples.
...
  /Users/dsherry/anaconda/envs/featurelabs/lib/python3.8/site-packages/sklearn/metrics/classification.py:872: RuntimeWarning:

  invalid value encountered in double_scalars
...
  /Users/dsherry/development/aie/featurelabs/evalml/evalml/automl/auto_base.py:307: RuntimeWarning:

  invalid value encountered in double_scalars

sklearnからの3つの警告と、コードからの1つの警告。 テストを実行するたびに、警告の組み合わせ/順序が少し異なるようです。

より詳しい情報
ここだ最後の警告がから来ているラインはで、 AutoBase._add_result ：
high_variance_cv = (scores.std() / scores.mean()) > .2

scoresがすべて空か、すべて0だと思います。しかし、なぜですか？ これは次に調べるべきことです。 モデルをスコアリングするときに、おそらく空のテストデータですか？

私の疑いは、このデータセットが小さすぎるか均一すぎること、そしてそれでトレーニングされたモデルがすべて同じ値またはそのようなものを予測していることです。 私が正しければ、これは、ユーザーがデータをアップロードするときにこの問題を検出するためにガードレールが必要であり、実際のフィッティング（＃275）を回避するために単体テストをモックすることが重要であることを強調しています（この特定のテストがそうでない場合でも）モック可能）。

バグ＃167のデバッグ中にこれらの警告が発生したため、これがそれに関連している可能性があります。

次のステップ
これらの警告が表示される理由を特定する必要があります。 テストのセットアップに問題がある場合は、テストを変更して修正または回避しましょう。 そうでなければ、それはバグである可能性があります。 とにかく、通常の使用では、このような警告を出力するべきではありません。