在 200 个数据集上比较 ANN 和逻辑回归

Question

我试图在 200 个不同的数据集上比较 ANN 和逻辑回归的性能。每个数据集都命名为Dataseti where i is a number from 15 to 214。因此我运行一个循环：

for i in range(15,215):

让人工神经网络和逻辑回归得到训练并对数据进行分类。我想捕捉的是逻辑回归的错误：

"ValueError: This solver needs samples of at least 2 classes in the data, but the data contains only one class: 0.0"

当错误被捕获时，我希望跳过此数据集并继续下一个 (i+1)。

这有可能吗？我对编程很陌生，不清楚如何处理这个异常。我已经考虑过以某种方式使用 if else 公式：

if(dataset[:,-1].max() == 1)
....
else: 

但我不知道要在 else 表达式中添加什么。如果有人能在这个问题上帮助我，那就太好了。谢谢！

Answer 1

使用try/except。以下是针对您的具体情况的一些伪代码：

for i in range(15,215):
    dataset = datasets[i]

    # first, try to evaluate your desired code
    try: 
        ANN(dataset)
        logistic(dataset)

    # if a ValueError occurs, catch it, report on it, and continue
    except ValueError as e: 
        print("Error on dataset {i}: {err}".format(i=i, err=e))

这是一个玩具数据的工作示例：

data = [1, 2, "foo", 3]

for i in range(0,4):

    try:
        print(int(data[i]))

    except ValueError as e:
        print("Error on item {i}: {err}".format(i=i, err=e))

输出：

1
2
Error on item 2: invalid literal for int() with base 10: 'foo'
3