ValueError:类数必须大于一个；在MultiLabel分类问题中得到一个类

Question

我在Python中研究一个多标签分类问题。我有一个数据集与文本和约20k独特的标签。我将文本转换为单词嵌入，现在我在ChainClassifier中使用它来预测每个文本可能具有的标记。

from skmultilearn.problem_transform import LabelPowerset, ClassifierChain, BinaryRelevance
from sklearn.svm import SVC

df = pd.read_csv('sample_fos.csv')
df = df.dropna()
df.fos = df.fos.str.split(',')

mlb = MultiLabelBinarizer()

data = df.join(pd.DataFrame(mlb.fit_transform(df.pop('fos')),
                          columns=mlb.classes_,
                          index=df.index))

labels = mlb.classes_

X_train, X_test, y_train, y_test = train_test_split(data[features], data[labels], test_size=0.20, shuffle=True)

clf = ClassifierChain(classifier=SVC(gamma="auto"))
clf.fit(X_train,y_train)
y_pred = clf.predict(X_test)

我得到以下错误：

  File "<ipython-input-54-976064cc6433>", line 30, in <module>
    clf.fit(X_train,y_train)

  File "/lib/python3.7/site-packages/skmultilearn/problem_transform/cc.py", line 155, in fit
    X_extended), self._ensure_output_format(y_subset))

  File "/lib/python3.7/site-packages/sklearn/svm/base.py", line 147, in fit
    y = self._validate_targets(y)

  File "/lib/python3.7/site-packages/sklearn/svm/base.py", line 521, in _validate_targets
    " class" % len(cls))

ValueError: The number of classes has to be greater than one; got 1 class

据我所知，这意味着标签列中只有一个类( 0或1)。

但是，运行下面的代码段，我发现我的所有列都有两个唯一的值

b = []
for i in labels:
    b.append(len(data[i].unique()))
print(min(b),max(b))
>> 2, 2

Answer 1

你能看到有多少个班在接受训练和考试吗？

y_train.unique()
y_test.unique()

可能会发生这样的情况:在某个时候，只有一个标签的分割，如果数据很小或严重不平衡，就会有更多的机会。解决这一问题的一种方法是对目标进行分层。

train_test_split(data[features], data[labels], test_size=0.20, shuffle=True,stratify=data[labels])