具有 class_weight=自动的 SGD 分类器在学习 0.15 而不是 0.14 上失败
当我训练一个scikit学习v0.15SGDClassifier时，使用以下选项：SGDClasssifier（loss='log'，class_weight=None，pension='l2'）。然而，当我在scikit-learn v0.15上使用class_weight='auto'训练分类器时，我得到了以下错误：
return self.model.fit(X, y)
File "/home/rose/.local/lib/python2.7/site-packages/scikit_learn-0.15.0b1-py2.7-linux-x86_64.egg/sklearn/linear_model/stochastic_gradient.py", line 485, in fit
sample_weight=sample_weight)
File "/home/rose/.local/lib/python2.7/site-packages/scikit_learn-0.15.0b1-py2.7-linux-x86_64.egg/sklearn/linear_model/stochastic_gradient.py", line 389, in _fit
classes, sample_weight, coef_init, intercept_init)
File "/home/rose/.local/lib/python2.7/site-packages/scikit_learn-0.15.0b1-py2.7-linux-x86_64.egg/sklearn/linear_model/stochastic_gradient.py", line 336, in _partial_fit
y_ind)
File "/home/rose/.local/lib/python2.7/site-packages/scikit_learn-0.15.0b1-py2.7-linux-x86_64.egg/sklearn/utils/class_weight.py", line 43, in compute_class_weight
raise ValueError("classes should have valid labels that are in y")
ValueError: classes should have valid labels that are in y
是什么引起的？
以下是有关class_weight的文档，以供参考：
为class_weight fit参数预设。与类别相关的权重。如果没有给定，所有类的权重都应该是1。“自动”模式使用y值来自动调整与类别频率成反比的权重。
共有2个答案
我认为这可能是scikit-Learning中的一个错误。作为解决方法，请尝试以下操作：
from sklearn.preprocessing import LabelEncoder
le = LabelEncoder()
y_encoded = le.fit_transform(y)
self.model.fit(X, y_encoded)
pred = le.inverse_transform(self.model.predict(X))
-
每次将一个类别作为正类，其余类别作为负类。此时共有（N个分类器）。在测试的时候若仅有一个分类器预测为正类，则对应的类别标记为最终的分类结果。 【例】当有4个类别的时候，每次把其中一个类别作为正类别，其余作为负类别，共有4种组合，对于这4中组合进行分类器的训练，我们可以得到4个分类器。对于测试样本，放进4个分类器进行预测，仅有一个分类器预测为正类，于是取这个分类器的结果作为预测结果，分类器2预测的结果是类别2，于是这个样本便属于类别
-
准备工作 1. 准备一张mysql数据库表，至少包含这些列：id、title(文章标题)、content(文章内容)、segment(中文切词)、isTec(技术类)、isSoup(鸡汤类)、isMR(机器学习类)、isMath(数学类)、isNews(新闻类) 2. 根据你关注的微信公众号，把更新的文章的title和content自动写入数据库中，具体方法见《教你成为全栈工程师(Full Sta
-
监督学习使用标记数据对 (x,y) 学习函数：X\rightarrow Y 。但是，如果我们没有标签呢？这类没有标签的学习方式被称为无监督学习。 无监督学习：如果训练样本全部无标签，则是无监督学习。例如聚类算法，就是根据样本间的相似性对样本集进行聚类试图使类内差距最小化，类间差距最大化。 主要用途： 自动组织数据。 理解某些数据中的隐藏结构。 在低维空间中表示高维数据。
-
问题内容： 我的文凭项目有一个大问题，如果你们能帮助我，我将非常高兴！我做了一个Maven多模块项目，有3个“核心项目” ：（父母） ：包含所有的实体和接口域模型是由需要 和对 ：将GUI和Hessian关联起来 ：这里是我的仓库，我到数据库连接和接口的实现 和具有在Maven作为依赖。 现在，每次尝试在Tomcat上启动服务器时，都会出现以下错误： 模型库： 卡萨： MeinRemoteDien
-
我有一个很大的问题在我的文凭项目，将非常高兴，如果你们能帮助我！我做了一个Maven多模块项目，有3个“核心项目” :（父级） :包含具有所有实体的域模型和和的所需的接口 :连接到的GUI和Hessian连接 :以下是我的存储库、我与DB的连接以及接口&的实现，在Maven中有作为依赖项。 模型库： 卡萨： MeinRemotedIenst： infrastructures.xml： servle
-
我正在建立一个分类神经网络，以便对两个不同的类进行分类。 所以这是一个二元分类问题，我正尝试用一个前馈神经网络来解决这个任务。 但是网络是不能学习的，事实上，在训练过程中，网络的精度是不变的。 具体而言，数据集由以下人员组成： 65673行22列。 其中一列是具有值(0，1)的目标类，而其他21列是预测器。数据集是这样平衡的： null 可以看到也有NaN值，但我不能删除它，因为在其他列中有值0是