Python 使用scikit learn进行一次性学习

假设我只有1个阳性样本来训练分类器。有没有办法用scikit训练一个模型，只需一个积极的学习？（例如，类似于示例SVM）

目前，我有以下几点：

scores = [
   ('precision', precision_score),
]

for score_name, score_func in scores:
    clf = GridSearchCV(SVC(C=1), tuned_parameters, score_func=score_func)
    clf.fit(X[train], y[train])
    y_true, y_pred = y[test], clf.predict(X[test])

但我得到了以下错误：

ValueError:y中填充最少的类只有2个成员，这 太少了。任何类别的最小标签数不能小于 比k=3

---

scikit learn中没有专门用于一次性学习的模型

---

此外，正如您在错误消息的完整回溯中所看到的，

GridSearchCV

正在内部使用交叉验证，因此您不能在至少没有2个阳性样本的数据集上使用它。

在scikit learn中没有专门用于一次性学习的模型

此外，正如您在错误消息的完整回溯中所看到的，

GridSearchCV

正在内部使用交叉验证，因此您不能在至少没有2个阳性样本的数据集上使用交叉验证