Python SGDClassizer类的数量必须大于一个；得了1级

因此，我已经尽了一切可能来解决这个错误，我也非常沮丧

from sklearn.linear_model import SGDClassifier

train_labels_9 = [(label == 9) for label in train_labels_9]
test_labels_9 = [(label == 9) for label in test_labels_9]

sgd = SGDClassifier(max_iter = 1000, tol = 1e-3)
sgd.fit(train_images,train_labels_9)

below is the error
ValueError                                Traceback (most recent call last)
<ipython-input-57-8ad0fdf39a29> in <module>
      6 
      7 sgd = SGDClassifier(max_iter = 1000, tol = 1e-3)
----> 8 sgd.fit(train_images,train_labels_9)

~\Anaconda3\lib\site-packages\sklearn\linear_model\stochastic_gradient.py in fit(self, X, y, coef_init, intercept_init, sample_weight)
    741                          loss=self.loss, learning_rate=self.learning_rate,
    742                          coef_init=coef_init, intercept_init=intercept_init,
--> 743                          sample_weight=sample_weight)
    744 
    745 

~\Anaconda3\lib\site-packages\sklearn\linear_model\stochastic_gradient.py in _fit(self, X, y, alpha, C, loss, learning_rate, coef_init, intercept_init, sample_weight)
    594 
    595         self._partial_fit(X, y, alpha, C, loss, learning_rate, self._max_iter,
--> 596                           classes, sample_weight, coef_init, intercept_init)
    597 
    598         if (self._tol is not None and self._tol > -np.inf

~\Anaconda3\lib\site-packages\sklearn\linear_model\stochastic_gradient.py in _partial_fit(self, X, y, alpha, C, loss, learning_rate, max_iter, classes, sample_weight, coef_init, intercept_init)
    557             raise ValueError(
    558                 "The number of classes has to be greater than one;"
--> 559                 " got %d class" % n_classes)
    560 
    561         return self

ValueError: The number of classes has to be greater than one; got 1 class

来自sklearn.linear\u模型导入SGDClassizer
列车\u标签\u 9=[（标签==9）用于列车\u标签\u 9中的标签]
test_labels_9=[（label==9）用于test_labels_9中的标签]
sgd=sgd分级器（最大iter=1000，tol=1e-3）
sgd.fit（列车图像、列车标签）
下面是错误
ValueError回溯（最近一次调用上次）
在里面
6.
7 sgd=sgd分级器（最大iter=1000，tol=1e-3）
---->8 sgd.fit（列车图像、列车标签）
~\Anaconda3\lib\site packages\sklearn\linear\u model\random\u gradient.py拟合（self，X，y，coef\u init，intercept\u init，sample\u weight）
741损失=自我损失，学习率=自我学习率，
742 coef_init=coef_init，intercept_init=intercept_init，
-->743样品重量=样品重量）
744
745
~\Anaconda3\lib\site packages\sklearn\linear\u model\random\u gradient.py in\u fit（自身、X、y、alpha、C、损耗、学习率、初始系数、初始截距、样本重量）
594
595自我部分拟合（X，y，α，C，损失，学习率，自我最大值，
-->596类，样本重量，系数初始值，截距初始值）
597
598如果（self.\u tol不是None和self.\u tol>-np.inf
~\Anaconda3\lib\site packages\sklearn\linear\u model\random\u gradient.py in\u partial\u fit（self，X，y，alpha，C，loss，learning\u rate，max\u iter，classes，sample\u weight，coef\u init，intercept\u init）
557上升值错误(
558“班级数量必须大于一个
-->559“已获取%d个类“%n\u个类）
560
561回归自我
ValueError:类的数量必须大于1；得到1个类

我同意亨利的观点。
我昨天确实遇到了类似的问题，您可以检查

train\u labels.shape

，或者

np.unique（train\u labels）

如果您打印出一些列车数据，比如说

train[5:10]

，您就会发现问题所在

它们不是

int

---

将代码更改为

（label='9'）

您的标签似乎是文本值，因此当您执行下面的语句时，它返回一个仅包含

False

的数组

train_labels_9 = [(label == 9) for label in train_labels_9]

可以使用将标签转换为整数

label = label.astype(np.uint8)

---

[（label==9）对于train\u labels\u 9中的label]

那些

train\u labels\u 9

包含9以外的任何内容？请同时发布一些标签示例。@chris，labels=mnist['target']labels\u 9=（labels==9'），从sklearn.model_selection导入train_test_split train_image，test_image，train_labels_9，test_labels_9=\train_test_split（image，labels_9，test_size=0.15），这不是一个示例。这只是另一个我们不知道其内部内容的代码：（我明白了，所以你想让我解释一下代码的作用吗？只需要澄清一下。我（通常也是如此）想让你发布

train\u label\u 9

是什么。你可以

打印（train\u label\u 9）

然后复制粘贴，或者如果它太长，稍微切片就更好了。作为将来的参考，阅读将帮助您更轻松、更快地获得答案。