我正在尝试使用 scikit-learn 包中的不同分类器来执行一些自然语言处理任务。我用来进行分类的代码如下
def train_classifier(self, argcands): # 从参数候选中提取必要的特征 train_argcands_feats = [] train_argcands_target = [] for argcand in argcands: train_argcands_feats.append(self.extract_features(argcand)) train_argcands_target.append(argcand["info"]["label"]) # 将特征转换为分类器所需的格式 self.feat_vectorizer = DictVectorizer() train_argcands_feats = self.feat_vectorizer.fit_transform(train_argcands_feats) # 将目标标签转换为分类器所需的格式 self.target_names = list(set(train_argcands_target)) train_argcands_target = [self.target_names.index(target) for target in train_argcands_target] # 训练合适的监督模型 self.classifier = LinearSVC() #self.classifier = SVC(kernel="poly", degree=2) self.classifier.fit(train_argcands_feats,train_argcands_target) returndef execute(self, argcands_test): # 提取特征 test_argcands_feats = [self.extract_features(argcand) for argcand in argcands_test] # 将特征转换为分类器所需的格式 test_argcands_feats = self.feat_vectorizer.transform(test_argcands_feats) # 分类候选参数 test_argcands_targets = self.classifier.predict(test_argcands_feats) # 获取正确的标签名称 test_argcands_labels = [self.target_names[int(label_index)] for label_index in test_argcands_targets] return zip(argcands_test, test_argcands_labels)从代码中可以看出，我正在测试两种支持向量机分类器的实现：LinearSVC 和带多项式核的 SVC。现在，关于我的“问题”。当使用 LinearSVC 时，我可以顺利进行分类：测试实例被标记为一些标签。然而，如果我使用多项式 SVC，所有的测试实例都被标记为相同的标签。我知道一种可能的解释是，简单来说，多项式 SVC 可能不适合我的任务，这是可以接受的。我只是想确保我正确地使用了多项式 SVC。
感谢您提供的所有帮助和建议。
更新根据答案中的建议，我已经更改了训练分类器的代码，做了以下修改：
# 训练合适的监督模型parameters = [{'C': [1, 10, 100, 1000], 'gamma': [0.001, 0.0001], 'kernel': ['poly'], 'degree': [2]}]self.classifier = GridSearchCV(SVC(C=1), parameters, score_func = f1_score)现在我收到了以下消息：
ValueError: The least populated class in y has only 1 members, which is too few. The minimum number of labels for any class cannot be less than k=3.这与我训练数据中类实例的分布不均有关，对吗？还是我调用过程有误？
回答：
在这两种情况下，你都应该使用网格搜索来调整正则化参数 C 的值。否则，你无法比较结果，因为对于一个模型有效的 C 值可能对另一个模型产生糟糕的结果。
对于多项式核，你也可以网格搜索最佳的度数值（例如 2 或 3 或更多）：在这种情况下，你应该同时网格搜索 C 和度数。
编辑：
这与我训练数据中类实例的分布不均有关，对吗？还是我调用过程有误？
请检查你是否每个类别至少有 3 个样本，以便能够使用 StratifiedKFold 进行交叉验证，其中 k == 3（我认为这是 GridSearchCV 用于分类的默认 CV）。如果样本少于这个数量，不要指望模型能预测出有用的结果。我建议每个类别至少有 100 个样本（作为一个有点随意的经验法则的最小界限，除非你在处理具有少于 10 个特征且类别之间决策边界非常规则的玩具问题）。
顺便说一下，请在问题/错误报告中始终粘贴完整的回溯信息。否则，可能会缺乏必要的信息来诊断正确的原因。
