Python TPOT:对多类数据的分类失败

我无法让TPot（v.0.9.2，python2.7）处理多类数据（尽管我在TPot的文档中找不到任何东西说它只做二进制分类）

下面提供了一个例子。它一直运行到9%，然后由于以下错误而停止运行：

RuntimeError: There was an error in the TPOT optimization process. 
This could be because the data was not formatted properly, or because
data for a regression problem was provided to the TPOTClassifier 
object. Please make sure you passed the data to TPOT correctly.

但是将n_类更改为2，它运行正常

从sklearn.metrics导入f1\u分数，生成分数
从sklearn.dataset导入make_分类
从tpot导入TPOTClassifier
记分员=记分员（f1记分）
十、 y=进行分类（n_样本=200，n_特征=100，
n_信息=20，n_冗余=10，
n_类=3，随机状态=42）
tpot=TPOTClassifier（世代=10，总体大小=20，详细程度=20，评分=scorer）
tpot.配合（X，y）

事实上，TPOT也应该与多类数据一起工作——它与MNIST数据集（10类）一起工作

该错误与f1_分数有关；将代码保存在

n_classes=3

中，并请求

tpot=TPOTClassifier（代数=10，总体大小=20，详细度=2）

（即使用默认的

评分class='accurity'

）可以正常工作：

警告：xgboost.XGBClassifier不可用，TPOT不会使用。
第1代-当前最佳内部简历分数：0.7447422496202984
第二代-当前最佳内部简历分数：0.7447422496202984
第三代-当前最佳内部简历分数：0.7454927186634503
第四代-当前最佳内部简历分数：0.7454927186634503
第5代-当前最佳内部简历分数：0.770633316090413
第6代-当前最佳内部CV分数：0.770633316090413
第7代-当前最佳内部CV分数：0.770633316090413
第8代-当前最佳内部简历分数：0.770633316090413
第9代-当前最佳内部简历分数：0.7757616367372464
第10代-当前最佳内部CV分数：0.7808898416516
最佳管道：
逻辑回归（KNeighborsClassifier（DecisionTreeClassifier（输入矩阵，标准=熵，最大深度=3，最小样本数=15，最小样本数=12），n\u邻域数=6，p=2，权重=均匀），C=0.01，对偶=False，惩罚=l2）
TPOTClassifier（config_dict={'sklearn.linear_model.LogisticReturnal'：{'Pendation'：['l1'，'l2']，'C'：[0.0001,0.001,0.01,0.1,0.5,1.0,5.0,10.0,15.0,20.0,25.0]，'dual'：[True，False]，'sklearn.decomposition.PCA'：{'iterated_power'：范围（1,11），'svd_solver'：['randomized']，'randomized']，'sklearn.feature(selection.Se…Eatsing.Polynomics':{'degree'：[2]，'interaction_only'：[False]，'include_bias'：[False]}，
交叉率=0.1，cv=5，禁用更新检查=False，
早期停止=无，世代=10，最大评估时间=5，
最大时间分钟=无，记忆=无，变异率=0.9，n工作=1，
子项大小=20，周期检查点文件夹=无，
总体规模=20，随机状态=无，评分=无，子样本=1.0，
详细性=2，暖启动=假）

询问F1分数的用法，即：

tpot=TPOTClassifier（世代=10，总体大小=20，详细程度=2，评分=f1'）

再次生成您报告的错误，可能是因为in

f1\u分数

是

average='binary'

，这对于多类问题确实没有意义，而简单的

f1

仅用于二进制问题（）

---

在

评分

中明确使用F1评分的一些其他变化，例如

F1\u宏

、

F1\u微

、或

F1\u加权

工作正常（未显示）.

谢谢你的详细回答！这确实是原因。@galapah我告诉过你；）说真的，你确实提供了很多帮助来追查原因——你也干得不错