Scikit learn scikit学习：使用SVC构建学习曲线

我正在尝试使用SVC分类器绘制学习曲线。数据集有点倾斜，大小分别为150、1000、1000、1000和150。我在拟合估计器时遇到了问题：

  File "/Users/carrier24sg/.virtualenvs/ml/lib/python2.7/site-packages/sklearn/learning_curve.py", line 135, in learning_curve
    for train, test in cv for n_train_samples in train_sizes_abs)
  File "/Users/carrier24sg/.virtualenvs/ml/lib/python2.7/site-packages/sklearn/externals/joblib/parallel.py", line 644, in __call__
    self.dispatch(function, args, kwargs)
  File "/Users/carrier24sg/.virtualenvs/ml/lib/python2.7/site-packages/sklearn/externals/joblib/parallel.py", line 391, in dispatch
    job = ImmediateApply(func, args, kwargs)
  File "/Users/carrier24sg/.virtualenvs/ml/lib/python2.7/site-packages/sklearn/externals/joblib/parallel.py", line 129, in __init__
    self.results = func(*args, **kwargs)
  File "/Users/carrier24sg/.virtualenvs/ml/lib/python2.7/site-packages/sklearn/cross_validation.py", line 1233, in _fit_and_score
    estimator.fit(X_train, y_train, **fit_params)
  File "/Users/carrier24sg/.virtualenvs/ml/lib/python2.7/site-packages/sklearn/svm/base.py", line 140, in fit
    X = atleast2d_or_csr(X, dtype=np.float64, order='C')
  File "/Users/carrier24sg/.virtualenvs/ml/lib/python2.7/site-packages/sklearn/svm/base.py", line 450, in _validate_targets
    % len(cls))
ValueError: The number of classes has to be greater than one; got 1

我的代码

  df = pd.read_csv('../resources/problem2_processed_validate.csv')
  data, label = preprocess_text(df)

  cv = StratifiedKFold(label, 10)
  plt = plot_learning_curve(estimator=SVC(), title="Learning curve", X=data, y=label.values, cv
  train_sizes, train_scores, test_scores = learning_curve(
    estimator, data, y=label, cv=cv, train_sizes=np.linspace(.1, 1.0, 5))

即使我使用分层抽样，我仍然会遇到这个错误。我相信这是因为学习曲线代码在增加数据集大小时不执行分层，而且我一步就得到了所有类似的类标签

---

我该如何解决这个问题呢？

您可以使用

层叠层叠层叠层叠层叠层叠层叠层叠层叠层叠层叠层叠层叠层叠层叠层叠层叠层叠层叠层叠层叠层叠层叠层叠层叠层叠层叠层叠层叠层叠层叠层叠层叠层叠层叠层叠层叠层叠层叠层叠层叠层叠层叠层叠层叠层叠层
StratifiedShuffleSplit
允许您指定一个
train_大小
和一个
test_大小
，您可以在创建学习曲线时增加该大小。只要你让
train\u size
大于班级数量，它就能够分层。
你是对的
learning_curve
在创建较小的数据集时不执行分层，它只获取数据的第一位。
学习曲线.py中的第134-136行

train[:n_train_samples] for n_train_samples in train_sizes_abs

您可以预先洗牌数据，以便切片
train[：n\u train\u samples]
可以（但不保证）包含所有类的数据点。如果你愿意做更多的工作，@Eikenberg提出的建议将会奏效

PS这听起来像是应该包含在
sklearn
中的内容。如果您最终编写了该代码，请在github上发送一个pull请求