Python Sklearn，使用稀疏矩阵的样本数不一致

我正在使用多类SVM的sklearn实现

我的模型应该有多个输出，所以我在标签上使用了一个热编码（）

这给了我一个每个样本的标签向量，y_序列是一个形状的csr_矩阵（n_样本，n_类）（18171，17）

我的训练集是以一个形状（n_样本，n_特征）的scipy的形式出现的，特别是（181711001）

这训练了几个分类器，每个分类器都有一片标签

但我得到这个警告：

"DataConversionWarning: A column-vector y was passed when a 1d array was expected. Please change the shape of y to (n_samples, ), for example using ravel()."

这个错误是：

"Found input variables with inconsistent numbers of samples: [18171, 1]"

如果我不为标签使用稀疏矩阵，那么一切都可以正常工作，但我不确定使用密集标签表示是否会导致算法使用密集矩阵（性能损失）

另外，我不理解这个问题，因为形状是一致的

---

这是sklearn的问题吗？

在上述代码中，在

mlb.fit（）

之前使用

mlb.transform（）

。我希望在真正的代码中不是这样。另外，请发布错误的完整堆栈跟踪，并在训练前打印它们的值，重新检查

X\u列

和

y\u列

的形状。在上述代码中，在

mlb.fit（）之前使用
mlb.transform（）
。我希望在真正的代码中不是这样。另外，请发布错误的完整堆栈跟踪，并在训练之前通过打印其值重新检查
X\u列
和
y\u列
的形状。
"DataConversionWarning: A column-vector y was passed when a 1d array was expected. Please change the shape of y to (n_samples, ), for example using ravel()."

"Found input variables with inconsistent numbers of samples: [18171, 1]"