Skitlearn MLPClassifier ValueError：无法处理多类和多标签指标的混合答案

【问题标题】：Skitlearn MLPClassifier ValueError: Can't handle mix of multiclass and multilabel-indicatorSkitlearn MLPClassifier ValueError：无法处理多类和多标签指标的混合
【发布时间】：2017-09-25 16:33:18
【问题描述】：

我想用 Skitlearn MLPClassifier 训练和测试我的数据，但我得到 ValueError: Can't handle mix of multiclass and multilabel-indicator 错误。这是我的代码：

mlp = MLPClassifier(hidden_layer_sizes=(HIDDEN_1_COUNT,HIDDEN_2_COUNT),
                    activation="logistic",
                    solver="sgd", 
                    max_iter=EPOCH_COUNT, 
                    learning_rate_init=LEARNING_RATE)

mlp.fit(dataset_train, labels_train)
print(mlp.score(dataset_test, np.reshape(labels_test, (20, 1))))

根据 PyCharm 错误发生在最后一行。

dataset_test 的形状：20x901，labels_test：1x20

PS：如果我使用 labels_test 而不是 np.reshape(labels_test, (20,1)) 我得到 ValueError: Found input variables with contrast numbers样本数：[1, 20] 错误。我找不到他们两个的确切解决方案。

【问题讨论】：

您应该在此处打印您的labels_train 和labels_test。 dataset_train、labels_train和labels_test的形状是什么？
所有都是具有整数值的 numpy 数组。 dataset_train 的形状：901x6，labels_train 的形状：20x4（我有 20 个样本），labels_test 的形状：1x20。我没有对 labels_test 使用 one-hot 编码，但是当我使用时，问题解决了

标签： python-3.x scikit-learn neural-network

【解决方案1】：

可能是因为 mlp 的结果是 one-hot-encoding 类型，它需要 one-hot-encoded 标签。当我将 labels_test 更改为 one-hot-encoding 时，它起作用了

【讨论】：