ValueError：此求解器需要数据中至少 2 个类的样本，但数据仅包含一个类：1.0

Question

我有一个包含 8670 个试验的训练数据集，每个试验的样本长度为 125 次，而我的测试集包含 578 个试验。当我从 scikit-learn 应用 SVM 算法时，我得到了很好的结果。

但是，当我应用逻辑回归时，会出现此错误：

"ValueError: 这个求解器需要数据中至少2个类的样本，但是数据只包含一个类：1.0" .

我的问题是为什么 SVM 能够给出预测但逻辑回归给出了这个错误？

有没有可能是数据集中有问题，或者只是逻辑回归无法分类，因为训练样本看起来很相似？

Answer 1

我在类似线性模块的以下问题中读到了这一点：https://github.com/lensacom/sparkit-learn/issues/49

“遗憾的是，这确实是一个错误。Sparkit 并行训练 sklearn 的线性模型，然后在 reduce 步骤中对其进行平均。至少有一个块，其中仅包含一个标签。要检查，请尝试以下操作：

train_Z[:, 'y']._rdd.map(lambda x: np.unique(x).size).filter(lambda x: x < 2).count()

要解决您可以随机化训练数据以避免带有一个标签的块，但这仍在等待一个聪明的解决方案。”

编辑：我找到了解决办法，上面对错误的分析是正确的。这将是一个解决方案。

为了以相同的顺序随机排列数组，我使用了 scikitlearn utils 模块：

from sklearn.utils import shuffle
X_shuf, Y_shuf = shuffle(X_transformed, Y)

然后使用那些打乱的数组再次训练你的模型，它会工作的！