ValueError: Bu çözücü, verilerde en az 2 sınıfın örneğine ihtiyaç duyar, ancak veriler yalnızca bir sınıf içeriyor: 1.0

Question

8670 denemenin bir eğitim veri kümesine sahibim ve her deneme deneme süremde 125 kez uzunluğundadır. 578 denemeden oluşmaktadır. SVI algoritmasını scikit-learn uygulamasından uyguladığımda oldukça iyi sonuçlar elde ederim. Ben lojistik regresyon uyguladığınızda

Ancak, bu hata oluşur: SVM öngörüde bulunmak mümkün ama lojistik regresyon bu hatayı veriyor neden

"ValueError: This solver needs samples of at least 2 classes in the data, but the data contains only one class: 1.0" .

Sorum şu?

Veri kümesinde bir sorunun yanlış olması veya eğitim örneklerinin buna benzer göründüğü için sadece lojistik regresyonun sınıflandırılamaması mümkün olabilir mi?

Answer 1

Ben benzer bir lineer modülünde aşağıdaki sayısında bu okuyun: https://github.com/lensacom/sparkit-learn/issues/49

"Ne yazık ki bu bir hata gerçekten de Sparkit bir azaltmaya adımda sklearn lineer sonra paralel modelleri, ortalamalar onları eğitiyor en azından yoktur.. sadece etiketler birini içerdiği bir blok aşağıdakileri deneyin kontrol etmek için:..

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

tek bir etikete sahip blokları önlemek için tren veriyi randomize olabilir gidermek için, ama bu yine akıllı bir çözüm bekliyor"

DÜZENLEME: Bir çözüm buldum, yukarıdaki hatanın analizi doğruydu. Bu bir çözüm olurdu.

Bir scikitlearn utils modülü kullanılan aynı sırayla dizileri karıştır için:

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

Sonra tekrar modelinizi eğitmek için bu karıştırılır diziler kullanabilir ve bu ödeme şekli!