Machine learning 值错误：在训练折叠中只有2个class/es，但在整个数据集中只有1个。不平衡折叠的decision_函数不支持这一点

我正在学习机器学习，并在#mnist数据集上创建我的第一个模型

有人能帮我吗？我尝试了分层折叠、kfold和其他方法来解决这个问题

Pandas版本“0.25.1”，Python版本3.7，使用Anaconda发行版

from  sklearn.model_selection import train_test_split
train_set ,test_set = train_test_split(mnist,test_size = 0.2, random_state = 29)
from sklearn.linear_model import SGDClassifier
sgd_clf = SGDClassifier(random_state=29)
sgd_clf.fit(X_train,y_train_5)

X_train, y_train = train_set.drop('label',axis = 1), train_set[['label']]
X_test, y_test = test_set.drop('label',axis = 1),test_set[['label']]

y_train_5 = (y_train == 5) #True for all 5's and false otherwise
y_test_5 = (y_train == 5)

from sklearn.model_selection import cross_val_predict

print(X_train.shape)
print(y_train_5.shape)
cross_val_predict(sgd_clf, X_train, y_train_5, cv=3, method="decision_function")

代码块的最后一行给出了一个错误：

RuntimeWarning: Number of classes in training fold (2) does not match total number of classes (1). Results may not be appropriate for your use case. To fix this, use a cross-validation technique resulting in properly stratified folds
  RuntimeWarning)
ValueError                                Traceback (most recent call last)
<ipython-input-39-da1ad024473a> in <module>
      3 print(X_train.shape)
      4 print(y_train_5.shape)
----> 5 cross_val_predict(sgd_clf, X_train, y_train_5, cv=3, method="decision_function")

~\AppData\Local\Continuum\anaconda3\lib\site-packages\sklearn\model_selection\_validation.py in cross_val_predict(estimator, X, y, groups, cv, n_jobs, verbose, fit_params, pre_dispatch, method)
    787     prediction_blocks = parallel(delayed(_fit_and_predict)(
    788         clone(estimator), X, y, train, test, verbose, fit_params, method)
--> 789         for train, test in cv.split(X, y, groups))
    790 
    791     # Concatenate the predictions

~\AppData\Local\Continuum\anaconda3\lib\site-packages\joblib\parallel.py in __call__(self, iterable)
    919             # remaining jobs.
    920             self._iterating = False
--> 921             if self.dispatch_one_batch(iterator):
    922                 self._iterating = self._original_iterator is not None
    923 

~\AppData\Local\Continuum\anaconda3\lib\site-packages\joblib\parallel.py in dispatch_one_batch(self, iterator)
    757                 return False
    758             else:
--> 759                 self._dispatch(tasks)
    760                 return True
    761 

~\AppData\Local\Continuum\anaconda3\lib\site-packages\joblib\parallel.py in _dispatch(self, batch)
    714         with self._lock:
    715             job_idx = len(self._jobs)
--> 716             job = self._backend.apply_async(batch, callback=cb)
    717             # A job can complete so quickly than its callback is
    718             # called before we get here, causing self._jobs to

~\AppData\Local\Continuum\anaconda3\lib\site-packages\joblib\_parallel_backends.py in apply_async(self, func, callback)
    180     def apply_async(self, func, callback=None):
    181         """Schedule a func to be run"""
--> 182         result = ImmediateResult(func)
    183         if callback:
    184             callback(result)

~\AppData\Local\Continuum\anaconda3\lib\site-packages\joblib\_parallel_backends.py in __init__(self, batch)
    547         # Don't delay the application, to avoid keeping the input
    548         # arguments in memory
--> 549         self.results = batch()
    550 
    551     def get(self):

~\AppData\Local\Continuum\anaconda3\lib\site-packages\joblib\parallel.py in __call__(self)
    223         with parallel_backend(self._backend, n_jobs=self._n_jobs):
    224             return [func(*args, **kwargs)
--> 225                     for func, args, kwargs in self.items]
    226 
    227     def __len__(self):

~\AppData\Local\Continuum\anaconda3\lib\site-packages\joblib\parallel.py in <listcomp>(.0)
    223         with parallel_backend(self._backend, n_jobs=self._n_jobs):
    224             return [func(*args, **kwargs)
--> 225                     for func, args, kwargs in self.items]
    226 
    227     def __len__(self):

~\AppData\Local\Continuum\anaconda3\lib\site-packages\sklearn\model_selection\_validation.py in _fit_and_predict(estimator, X, y, train, test, verbose, fit_params, method)
    887             n_classes = len(set(y)) if y.ndim == 1 else y.shape[1]
    888             predictions = _enforce_prediction_order(
--> 889                 estimator.classes_, predictions, n_classes, method)
    890     return predictions, test
    891 

~\AppData\Local\Continuum\anaconda3\lib\site-packages\sklearn\model_selection\_validation.py in _enforce_prediction_order(classes, predictions, n_classes, method)
    933                                  'is not supported for decision_function '
    934                                  'with imbalanced folds. {}'.format(
--> 935                                     len(classes), n_classes, recommendation))
    936 
    937         float_min = np.finfo(predictions.dtype).min

ValueError: Only 2 class/es in training fold, but 1 in overall dataset. This is not supported for decision_function with imbalanced folds. To fix this, use a cross-validation technique resulting in properly stratified folds

RuntimeWarning:训练折叠中的类数（2）与类总数（1）不匹配。结果可能不适合您的用例。要解决此问题，请使用交叉验证技术，以产生适当分层的褶皱
运行时警告）
ValueError回溯（最近一次调用上次）
在里面
3个打印（X_系列形状）
4个打印（y_列_5.形状）
---->5交叉值预测（sgd\u clf，X\u序列，y\u序列，cv=3，方法=“决策函数”）
交叉值预测中的~\AppData\Local\Continuum\anaconda3\lib\site packages\sklearn\model\u selection\\u validation.py（估计器、X、y、组、cv、n作业、冗余、拟合参数、预调度、方法）
787预测块=并行（延迟（拟合和预测）(
788克隆（估计器），X，y，训练，测试，详细，拟合参数，方法）
-->789列车，等速分段试验（X、y、组））
790
791#连接预测
调用中的~\AppData\Local\Continuum\anaconda3\lib\site packages\joblb\parallel.py（self，iterable）
919#剩余工作。
920自迭代=错误
-->921如果自行调度一批（迭代器）：
922 self.\u iterating=self.\u original\u iterator不是None
923
~\AppData\Local\Continuum\anaconda3\lib\site packages\joblib\parallel.py在dispatch\u one\u批处理中（self，迭代器）
757返回错误
758其他：
-->759自我派遣（任务）
760返回真值
761
~\AppData\Local\Continuum\anaconda3\lib\site packages\joblib\parallel.py in\u dispatch（self，batch）
714带自锁：
715作业idx=len（自作业）
-->716作业=self.\u后端.apply\u异步（批处理，回调=cb）
717#一个作业完成的速度比它的回调速度要快
718#在我们到达这里之前打电话，导致self.#你的工作
异步应用中的~\AppData\Local\Continuum\anaconda3\lib\site packages\joblb\\u parallel\u backends.py（self、func、callback）
180 def apply_async（self、func、callback=None）：
181“计划要运行的func”
-->182结果=立即结果（func）
183如果回调：
184回调（结果）
~\AppData\Local\Continuum\anaconda3\lib\site packages\joblib\\u parallel\u backends.py in\uuuuuuu init\uuuuu（self，batch）
547#不要延迟应用程序，以免保留输入
548#内存中的参数
-->549 self.results=batch（）
550
551 def get（自我）：
~\AppData\Local\Continuum\anaconda3\lib\site packages\joblib\parallel.py in\uuuu调用（self）
223具有并行_后端（self._后端，n_作业=self._n_作业）：
224返回[func（*args，**kwargs）
-->225用于自身项目中的func、ARG、kwargs]
226
227定义长度（自）：
~\AppData\Local\Continuum\anaconda3\lib\site packages\joblib\parallel.py in（.0）
223具有并行_后端（self._后端，n_作业=self._n_作业）：
224返回[func（*args，**kwargs）
-->225用于自身项目中的func、ARG、kwargs]
226
227定义长度（自）：
~\AppData\Local\Continuum\anaconda3\lib\site packages\sklearn\model\u selection\u validation.py in\u fit\u和\u predict（估计器、X、y、训练、测试、详细、拟合参数、方法）
887如果y.ndim==1，则n_类=len（set（y）），否则y.shape[1]
888预测=执行预测顺序(
-->889估计器类（预测，n类，方法）
890返回预测，测试
891
~\AppData\Local\Continuum\anaconda3\lib\site packages\sklearn\model\u selection\u validation.py，按执行预测顺序（类、预测、n类、方法）
933'不支持决策_函数'
934'具有不平衡褶皱。{}格式(
-->935 len（等级），n_等级，推荐）
936
937 float_min=np.finfo（predicts.dtype）.min
ValueError：在训练中只有2个类，但在整个数据集中只有1个。对于具有不平衡褶皱的decision_函数，这是不支持的。要解决此问题，请使用交叉验证技术，以产生适当分层的褶皱

我遇到了一个类似的问题，在进一步的调查中发现了一条带有错误日志的警告消息-

DataConversionWarning:当需要1d数组时，传递了列向量y。请将y的形状更改为（n_samples，），例如使用ravel（）

有两种方法可以解决此问题：

使用警告消息中的提示并将代码更改为：

cross_val_predict(sgd_clf, X_train, y_train_5.values.ravel(), cv=3, 
method="decision_function")

• 参考-

此外，使用-

中的提示，当需要1d数组时，传递了列向量y。

；我释放了我的错误，并做了以下事情：

• 即使在错误日志中-

  培训折叠中的课程数（2）与课程总数（1）不匹配。

• 我假设

  y\u train\u 5

  这里有一个

  DataFrame

  ，（可能你正在通过Aurelian的出版物工作）

• y\u train\u 5

  的预期类型是数组类型的对象（意味着SAOE是（n，）或

  一维的

  ），但在您的情况下，数据帧是二维的（n，1）
• 只需将列向量的

  序列

  对象作为- y_train_5.iloc[：，0]（我更喜欢这个）

  > y_train_5.iloc[:,0].shape
  (n,)
  

  cross_val_predict(sgd_clf, X_train, y_train_5.iloc[:,0], cv=3, 
  method="decision_function")