是否有办法为只有一个类别构建scikit-learn逻辑回归模型？显然，这个模型每次都会预测同一个类别，无论输入数据如何。我的模型目前使用liblinear作为求解器，我不确定是否有其他求解器可以允许这样做？

我意识到这对机器学习来说是一个非常奇怪的问题，但我正在构建许多层次模型，在我的情况下，即使每次都预测同一个类别，拥有每个案例的模型会更容易处理。

背景：我有一个层次预测任务，试图预测一个9位代码的三个部分（例如，对于代码=001010424，第一部分=001，第二部分=01，第三部分=0424）。为此，我正在构建层次模型。使用输入数据，我们首先预测第一部分，然后使用第一部分最高置信度的决策，再次使用输入数据在特定于第一部分代码的模型中预测第二部分。例如，如果我运行第一部分模型并得到预测第一部分=001，那么我会转到001的第二部分模型，该模型（经过训练并）根据第一部分=001预测第二部分。这种层次行为在第三部分重复进行。

回答：

Scikit-learn需要至少两个类别的样本。

  import numpy as np  from sklearn.linear_model import LogisticRegression  x = np.random.rand(5,2)  y = np.ones(5).astype(int)  model = LogisticRegression().fit(x, y)

这会产生以下错误：

  ValueError: This solver needs samples of at least 2 classes in the data, but the data contains only one class: 1

你最好让你的训练算法检查是否只有一个y标签，如果有的话，让你的代码记住这个标签。这样一种实现看起来会比较简单，并且对以后查看代码的人来说更容易理解。