- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在尝试使用 scikit learn 中的“被动攻击分类器”和 20 个新闻组数据集来实现在线分类器。我对此很陌生,因此我不确定我是否正确实现了这一点。话虽这么说,我开发了一个小代码,但当我执行它时,我不断收到错误:
Traceback (most recent call last): File "/home/suleka/Documents/RNN models/passiveagressive.py", line 100, in clf.fit(X, y) File "/home/suleka/anaconda3/lib/python3.6/site-packages/sklearn/linear_model/passive_aggressive.py", line 225, in fit coef_init=coef_init, intercept_init=intercept_init) File "/home/suleka/anaconda3/lib/python3.6/site-packages/sklearn/linear_model/stochastic_gradient.py", line 444, in _fit classes, sample_weight, coef_init, intercept_init) File "/home/suleka/anaconda3/lib/python3.6/site-packages/sklearn/linear_model/stochastic_gradient.py", line 407, in _partial_fit raise ValueError("The number of class labels must be " ValueError: The number of class labels must be greater than one.
我检查了 stackoverflow 中的大多数帖子,他们建议必须只有一个唯一的类。所以我做了np.unique(labels)
,它显示了 20(20 个新闻组):
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19]
任何人都可以帮我解决这个错误,如果我实现错误,请告诉我。
我的代码如下所示:
from sklearn.linear_model import PassiveAggressiveClassifier
from sklearn.datasets import make_classification
from string import punctuation
import numpy as np
from sklearn.datasets import fetch_20newsgroups
from collections import Counter
from sklearn.preprocessing import MinMaxScaler, LabelBinarizer
from sklearn.utils import shuffle
from nltk.corpus import stopwords
from sklearn.feature_extraction.text import TfidfVectorizer
import nltk
nltk.download('stopwords')
seed = 42
np.random.seed(seed)
def preProcess():
newsgroups_data = fetch_20newsgroups(subset='all', remove=('headers', 'footers', 'quotes'))
vectorizer = TfidfVectorizer(sublinear_tf=True, max_df=0.5,
stop_words='english')
features = vectorizer.fit_transform(newsgroups_data.data)
labels= newsgroups_data.target
return features, labels
if __name__ == '__main__':
features, labels = preProcess()
X_train, y_train = shuffle(features, labels, random_state=seed)
clf = PassiveAggressiveClassifier(random_state=seed)
n, d =X_train.shape
print(np.unique(labels))
error = 0
iteration = 0
for i in range(n):
print(iteration)
X, y = X_train[i:i + 1], y_train[i:i + 1]
clf.fit(X, y)
pred = clf.predict(X)
print(pred)
print(y)
if y - pred != 0:
error += 1
iteration += iteration
print(error)
print(np.divide(error, n, dtype=np.float))
提前谢谢您!
最佳答案
问题出在这一行:
X, y = X_train[i:i + 1], y_train[i:i + 1]
在你的 for
里面循环,即之后您要求 np.unique(labels)
并轻松地发现您确实拥有全部 20 个...
仔细观察,您会发现这一行的结果是 X
和y
每个只有一个元素(分别为 X_train[i]
和 y_train[i]
- 事实上,由于错误可能发生在 i=0
的第一次迭代中,所以最终只有 X_train[0]
和y_train[0]
),拟合模型时当然不应该出现这种情况;因此,错误消息正确地指出您的集合中只有一个标签(因为您只有一个样本)...
要让自己确信情况确实如此,只需插入 print(np.unique(y))
在您的clf.fit()
之前- 它只会打印一个标签。
目前还不清楚您到底想通过 for
实现什么目标环形;如果您尝试将分类器训练为数据集的连续部分,您可以尝试更改 [i:i+1]
索引为[i:i+k]
对于一些足够大的k
,但对于 20 个标签的数据集,这并不那么简单,因为您必须确保每次调用 clf.fit()
时都会出现所有 20 个标签,否则你最终会比较苹果和橘子......
我强烈建议从简单开始:删除 for
循环,将分类器适合整个训练集 ( clf.fit(X_train, y_train)
),并检查 scikit-learn 的文档以获取可以使用的可用性能指标...
编辑我刚刚注意到细节:
I am trying to implement an online classifier
嗯,您想要做的当然不是在线培训(这本身就是一个很大的话题),就像您的 for
一样。循环只是在每次迭代期间从头开始重新训练(至少尝试)一个新的分类器。
正如我已经说过的,从简单开始;首先尝试牢牢掌握简单批量训练的原则,然后再转向更高级的在线训练主题,这绝对不是初学者的......
关于python-3.x - 值错误: The number of class labels must be greater than one in Passive Aggressive Classifier,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/52321534/
我是一名优秀的程序员,十分优秀!