ValueError：`class_weight` 必须包含数据中的所有类。类 {1, 2, 3} 存在于数据中，但不存在于 `class_weight`答案

【问题标题】：ValueError: `class_weight` must contain all classes in the data. The classes {1, 2, 3} exist in the data but not in `class_weight`ValueError：`class_weight` 必须包含数据中的所有类。类 {1, 2, 3} 存在于数据中，但不存在于 `class_weight`
【发布时间】：2018-08-08 10:28:04
【问题描述】：

ValueError: class_weight 必须包含数据中的所有类。类 {1, 2, 3} 存在于数据中，但不存在于 class_weight

我正在尝试将类权重分配给我的不平衡类，但在 model.fit() 之后它会生成此错误，尽管我已经看到其他解决方案已针对此问题提供但仍无法解决。

test_split=round(n*2/3)
x_train=x[:test_split]
y_train=y[:test_split]
x_test=x[test_split:]
y_test=y[test_split:]

class_weight_list = compute_class_weight('balanced', numpy.unique(y_train), y_train)
class_weight = dict(zip(numpy.unique(y_train), class_weight_list))
x_train=x_train.astype('float64')
x_test=x_test.astype('float64')

x_train/=255
x_test/=255

y_train=keras.utils.to_categorical(y_train, num_classes)
y_test=keras.utils.to_categorical(y_test, num_classes)
hist=model.fit(x_train, y_train, 
               batch_size=batch_size,
               epochs=epochs,
               validation_data=(x_test, y_test),
               callbacks=[checkpoint],
               class_weight=class_weight
               )

【问题讨论】：

标签： python numpy tensorflow deep-learning keras

【解决方案1】：

先尝试标签编码

编辑

encoder = LabelEncoder()
encoder.fit(y_train)
y_train= encoder.transform(y_train)
y_test= encoder.transform(y_test)

class_weight_list = compute_class_weight('balanced', numpy.unique(y_train), y_train)
class_weight = dict(zip(numpy.unique(y_train), class_weight_list))

y_train=keras.utils.to_categorical(y_train, num_classes)

【讨论】：

它抛出错误 unhashable type: 'numpy.ndarray'
ValueError: bad input shape (11750, 4)
可以打印原始 y_train 输入的 head 吗？
this (11750, 100, 100, 1) (11750,) (5875, 100, 100, 1) (5875,) #x=x.reshape((-1,100,100,1)) #我重塑为 4