Python Scikit学习网格搜索给予“；ValueError:不支持多类格式"；错误

我尝试使用GridSearch对LinearSVC（）进行参数估计，如下所示-

clf_SVM = LinearSVC()
params = {
          'C': [0.5, 1.0, 1.5],
          'tol': [1e-3, 1e-4, 1e-5],
          'multi_class': ['ovr', 'crammer_singer'],
          }
gs = GridSearchCV(clf_SVM, params, cv=5, scoring='roc_auc')
gs.fit(corpus1, y)

小体1有形状（17267001），y有形状（1726，）

这是一个多类分类，y的值从0到3，两者都包括在内，即有四个类

但这给了我以下的错误-

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-220-0c627bda0543> in <module>()
      5           }
      6 gs = GridSearchCV(clf_SVM, params, cv=5, scoring='roc_auc')
----> 7 gs.fit(corpus1, y)

/usr/local/lib/python2.7/dist-packages/sklearn/grid_search.pyc in fit(self, X, y)
    594 
    595         """
--> 596         return self._fit(X, y, ParameterGrid(self.param_grid))
    597 
    598 

/usr/local/lib/python2.7/dist-packages/sklearn/grid_search.pyc in _fit(self, X, y, parameter_iterable)
    376                                     train, test, self.verbose, parameters,
    377                                     self.fit_params, return_parameters=True)
--> 378             for parameters in parameter_iterable
    379             for train, test in cv)
    380 

/usr/local/lib/python2.7/dist-packages/sklearn/externals/joblib/parallel.pyc in __call__(self, iterable)
    651             self._iterating = True
    652             for function, args, kwargs in iterable:
--> 653                 self.dispatch(function, args, kwargs)
    654 
    655             if pre_dispatch == "all" or n_jobs == 1:

/usr/local/lib/python2.7/dist-packages/sklearn/externals/joblib/parallel.pyc in dispatch(self, func, args, kwargs)
    398         """
    399         if self._pool is None:
--> 400             job = ImmediateApply(func, args, kwargs)
    401             index = len(self._jobs)
    402             if not _verbosity_filter(index, self.verbose):

/usr/local/lib/python2.7/dist-packages/sklearn/externals/joblib/parallel.pyc in __init__(self, func, args, kwargs)
    136         # Don't delay the application, to avoid keeping the input
    137         # arguments in memory
--> 138         self.results = func(*args, **kwargs)
    139 
    140     def get(self):

/usr/local/lib/python2.7/dist-packages/sklearn/cross_validation.pyc in _fit_and_score(estimator, X, y, scorer, train, test, verbose, parameters, fit_params, return_train_score, return_parameters)
   1238     else:
   1239         estimator.fit(X_train, y_train, **fit_params)
-> 1240     test_score = _score(estimator, X_test, y_test, scorer)
   1241     if return_train_score:
   1242         train_score = _score(estimator, X_train, y_train, scorer)

/usr/local/lib/python2.7/dist-packages/sklearn/cross_validation.pyc in _score(estimator, X_test, y_test, scorer)
   1294         score = scorer(estimator, X_test)
   1295     else:
-> 1296         score = scorer(estimator, X_test, y_test)
   1297     if not isinstance(score, numbers.Number):
   1298         raise ValueError("scoring must return a number, got %s (%s) instead."

/usr/local/lib/python2.7/dist-packages/sklearn/metrics/scorer.pyc in __call__(self, clf, X, y)
    136         y_type = type_of_target(y)
    137         if y_type not in ("binary", "multilabel-indicator"):
--> 138             raise ValueError("{0} format is not supported".format(y_type))
    139 
    140         try:

ValueError: multiclass format is not supported

---------------------------------------------------------------------------
ValueError回溯（最近一次调用上次）
在（）
5           }
6 gs=GridSearchCV（clf_SVM，参数，cv=5，评分='roc_auc'）
---->7 gs.fit（小体1，y）
/usr/local/lib/python2.7/dist-packages/sklearn/grid_search.pyc in-fit（self，X，y）
594
595         """
-->596返回自拟合（X，y，参数网格（自参数网格））
597
598
/usr/local/lib/python2.7/dist-packages/sklearn/grid_search.pyc in_fit（self，X，y，parameter_iterable）
376列车、试验、自详细、参数、，
377 self.fit_参数，返回_参数=真）
-->378用于参数_iterable中的参数
379用于列车，在cv中进行试验）
380
/usr/local/lib/python2.7/dist-packages/sklearn/externals/joblib/parallel.pyc in_______调用（self，iterable）
651自迭代=真
652对于iterable中的函数、参数和kwargs：
-->653自动调度（功能、参数、kwargs）
654
655如果预调度==“所有”或n个作业==1：
/分派中的usr/local/lib/python2.7/dist-packages/sklearn/externals/joblib/parallel.pyc（self、func、args、kwargs）
398         """
399如果self.\u池为无：
-->400作业=立即应用（func、args、kwargs）
401索引=len（自作业）
402如果不是详细过滤器（索引，self.verbose）：
/usr/local/lib/python2.7/dist-packages/sklearn/externals/joblib/parallel.pyc in_u_________（self、func、args、kwargs）
136#不要延迟应用程序，以免保留输入
137#内存中的参数
-->138 self.results=func（*args，**kwargs）
139
140 def get（自我）：
/usr/local/lib/python2.7/dist-packages/sklearn/cross_validation.pyc in_fit_和_分数（估计器、X、y、计分器、训练、测试、详细、参数、拟合参数、返回训练分数、返回参数）
1238其他：
1239估算器拟合（X_序列、y_序列、**拟合参数）
->1240测试分数=_分数（估计员、X测试、y测试、计分员）
1241如果返回列车评分：
1242训练分数=_分数（估计员、X训练、y训练、计分员）
/usr/local/lib/python2.7/dist-packages/sklearn/cross_validation.pyc in_分数（估计器、X_测试、y_测试、计分器）
1294分=记分员（估计员，X_检验）
1295其他：
->1296分=记分员（估计员、X_检验、y_检验）
1297如果不存在（分数、数字、数字）：
1298 raise VALUERROR（“评分必须返回一个数字，取而代之的是%s（%s）。”
/usr/local/lib/python2.7/dist-packages/sklearn/metrics/scorer.pyc in___调用（self，clf，X，y）
136 y_类型=_目标的类型（y）
137如果y_类型不在（“二进制”、“多标签指示器”）：
-->138 raise VALUERROR（“{0}格式不受支持”。格式（y_类型））
139
140试试：
ValueError:不支持多类格式

来自：

“注意：此实现仅限于标签指示器格式的二进制分类任务或多标签分类任务。”

尝试：

---

训练前。这将对您的y执行“一次热”编码。

如前所述，您必须首先对y进行二值化

y = label_binarize(y, classes=[0, 1, 2, 3])

然后使用多类学习算法，如
OneVsRestClassifier
或
OneVsOneClassifier
。例如：

clf_SVM = OneVsRestClassifier(LinearSVC())
params = {
      'estimator__C': [0.5, 1.0, 1.5],
      'estimator__tol': [1e-3, 1e-4, 1e-5],
      }
gs = GridSearchCV(clf_SVM, params, cv=5, scoring='roc_auc')
gs.fit(corpus1, y)

删除
scoring='roc\u auc'
，它将起到
roc\u auc
曲线不支持分类数据的作用。
您可以直接使用
进行分类
而不是
预处理。label\u binarize（）
取决于您的问题。问题实际上来自于使用计分=
roc\u auc
。请注意，
roc\u auc
不支持分类数据。
您可以打印中使用的变量的形状吗。fitcorpus1具有形状（17267001）而y具有形状（1726，）我也有同样的问题，在使用“roc_auc”评分机制时，我使用了“精确性”并成功了。谢谢，但现在我检查了y和小体1的形状，它们是（1726,4）和（1726,7001）你的形状现在是（1380,4）？转换后的y应该是（1726,4）您的y变量中是否存在所有4个类？是的，请参见此处的前30行-@user1269942我没有看到此“注意：此实现仅限于标签指示器格式的二进制分类任务或多标签分类任务”。关于此问题。您能解释一下我应该在哪里查找吗？
clf_SVM = OneVsRestClassifier(LinearSVC())
params = {
      'estimator__C': [0.5, 1.0, 1.5],
      'estimator__tol': [1e-3, 1e-4, 1e-5],
      }
gs = GridSearchCV(clf_SVM, params, cv=5, scoring='roc_auc')
gs.fit(corpus1, y)