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：False答案

【问题标题】：ValueError: This solver needs samples of at least 2 classes in the data, but the data contains only one class: FalseValueError：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：False
【发布时间】：2019-11-03 18:48:44
【问题描述】：

我有一个这样开始的示例字典

{'first': {'second': [],
  'third': 1.0,
  'fourth': {'fifth': 'test', 'value': 2.0},
  'sixth': {'seventh': 3.0,
   'eight': 4.0,

我试过了

y_test = np.array([x['first']['sixth'] == 'seventh' for x in test_data])

什么时候

test = LogisticRegression(class_weight='balanced').fit(X_test, y_test)

但不断得到

ValueError：此求解器需要至少 2 个类的样本数据，但数据只包含一个类：False

注意：来自notebook的单元格4和7

编辑：我把它改成了

y_test = np.array([x['first']['sixth'] == 'seventh' for x in test_data], dtype=float) 现在问题来了

ValueError: Unknown label type: 'continuous'

我使用了标签编码

import numpy as np
from sklearn                        import metrics, svm
from sklearn.linear_model           import LogisticRegression
from sklearn import preprocessing
from sklearn import utils

lab_enc = preprocessing.LabelEncoder()
training_scores_encoded = lab_enc.fit_transform(y_test)

属于多类

或 svc 来保留浮动

from sklearn.svm import SVR
svr = SVR()
sld = svr.fit(x_test, y_test)

但这两个都需要很长时间

在 t4 gpu 上使用 dtype=int 需要 8 分钟但结果有很多噪音和身份问题

【问题讨论】：

它准确地告诉您错误中的问题是什么，您需要至少 2 个类别的样本，这意味着 y_test 只有 1 个类别的标签。不知道为什么要重新分配 test 以及它与字典有什么关系，因为这里没有添加暗示它甚至是远程使用的代码。
你可以从这里看到单元格，4 和 7 github.com/Puzer/stylegan-encoder/blob/master/…

标签： python-3.x scikit-learn logistic-regression

【解决方案1】：

很简单，错误中明确提到只有一个标签类。

您需要确保y_test 中至少有几个类。您可以检查y_test 数组以确保在拟合模型之前有两个类True and False。

# Sample y_test
y_test = array([ True, False,  True,  True])

# Check classes
set(y_test)
{False, True}

# In your case
set(y_test)
{False}
# Make sure your data has at least 2 classes

【讨论】：

请看我上面的评论，我给出了简单的例子，请参见此处的单元格 4 和 7。 github.com/Puzer/stylegan-encoder/blob/master/…
是的，我确实检查过了。他们正在使用其他一些数据集，因为它与您使用的 dict 不同。因此，将print(set(y_test)) 添加到您的代码中以检查您是否有多个标签，根据错误情况并非如此。您需要确保正确生成y_test。
我目前正在尝试获取 ['faceAttributes']['emotion']['neutral'] 如果我这样做 print(set(y_emotion_test)) 我得到 {'0.171', '0.186 ', '0.839', '0.741', ...} for dtype='
注意我这样设置 y_emotion_test = np.array([x['faceAttributes']['emotion']['neutral'] for x in labels_data], dtype='
在查看 type(labels_data[0]['faceAttributes']['emotion']['neutral']) 我得到浮动，所以 dtype=float？但后来我得到 ValueError: Unknown label type: 'continuous' 错误

【解决方案2】：

这是一个快速工作的解决方案，8s 与 t4

from sklearn.linear_model import SGDRegressor
sgds = SGDRegressor()
sld = sgds.fit(x_test, y_test)
results = sld.coef_.reshape((18, 512))

【讨论】：