Python Scikit学习：所有培训示例中都有标签not x

我正在尝试用SVM进行多标签分类。 我有将近8k的特征，也有长度接近400的y向量。我已经有了二值化的Y向量，所以我没有使用

MultiLabelBinarizer（）

，但是当我将它用于Y数据的原始形式时，它仍然给出了相同的结果

我正在运行以下代码：

X = np.genfromtxt('data_X', delimiter=";")
Y = np.genfromtxt('data_y', delimiter=";")
training_X = X[:2600,:]
training_y = Y[:2600,:]

test_sample = X[2600:2601,:]
test_result = Y[2600:2601,:]

classif = OneVsRestClassifier(SVC(kernel='rbf'))
classif.fit(training_X, training_y)
print(classif.predict(test_sample))
print(test_result)

在所有的拟合过程之后，当涉及到预测部分时，它说

标签不是x出现在所有的训练示例中

（x是y向量长度范围内的几个不同的数字，即400）。然后，它给出了预测的y向量，该向量总是长度为400（y向量长度）的零向量。 我是scikit学习和机器学习的新手。我想不出这里的问题。问题出在哪里？我该怎么解决？

---

谢谢。

这里有两个问题：

1） 缺少标签警告
2） 你的预测结果都是0

该警告表示培训数据中缺少某些课程。这是一个常见的问题。如果您有400个类，那么其中一些类必须很少出现，并且在数据的任何分割上，分割的一侧可能缺少一些类。也可能有一些类根本不在数据中出现。您可以尝试

Y.sum（axis=0）.all（）

，如果这是错误的，那么有些类甚至在Y中也不会出现。这听起来很可怕，但实际上，您无法正确预测出现0、1或任何非常小次数的类，因此预测这些类的0可能是您所能做的最好的事情

至于all-0预测，我将指出，有400个类，可能所有类的出现时间都远远少于一半。您可以检查

Y.mean（axis=0）.max（）

以获得最高的标签频率。有400个班级，可能只有几个百分点。如果是这样，必须对每个类进行0-1预测的二进制分类器可能会为所有实例上的所有类选择0。这并不是一个真正的错误，只是因为所有的类频率都很低

如果您知道每个实例都有一个正标签（至少一个），则可以获取决策值（

clf.decision\u function

），并为每个实例选择具有最高值的类。不过，您必须编写一些代码才能做到这一点

我曾经在一次类似于这样的卡格尔比赛中获得了前10名的成绩。这是一个多标签问题，大约有200个类，其中没有一个发生的频率甚至为10%，我们需要0-1的预测。在这种情况下，我得到了决策值，并选择了最高值，加上任何高于阈值的值。我选择了一个在抵制中效果最好的阈值。该条目的代码位于Github:。你可以看看

---

如果你能做到这一点，谢谢你的阅读。希望这能有所帮助。

嗨，谢谢你的回答，里面有很多有用的东西。我尝试了

Y.sum（axis=0）.all（）

，结果返回True。另外，我尝试了

Y.mean（axis=0）.max（）

，它返回了

0.315981070258

。我是否仍应实现

clf.decision\u函数

？您能否更具体地说明它，如何实施等等？很抱歉，我对这些东西很陌生，所以我不知道如何使用

决策函数

。我的意思是，如果你得到的都是零预测，并且你知道其中应该有一些1，你可以尝试获得决策值，然后在高于某个阈值时预测1。您预测的标签将是：

（决策值>阈值）。astype（浮点）

。阈值将小于0，因为0是分类器正在使用的阈值，并且它没有得到任何肯定。或者，如果您知道每个实例至少有一个阳性标签，您可以选择具有最高DV的标签（它仍然是阴性的）。谢谢！你在GitHub上提供的直觉和代码确实有帮助。@Dthal为什么要使用决策函数而不是预测概率？我认为，通过选择与概率最高的类对应的标签，预测概率会给我们带来更好的准确性。@sandyp-在sklearn docs（）中，它说使用普拉特缩放来获得概率。正如上面提到的那样，这是一个混乱的局面。文件还说：“如果需要信心分数，但这些分数不一定是概率，那么建议将概率设置为False，并使用决策函数而不是预测概率。”。通常，decision_函数和predict_proba是单调相关的，因此，如果您需要最佳标签的预测，您可以使用其中一个。