在使用Sklearn的分层k折交叉验证时，当我尝试使用多类别进行分割时，遇到了如下错误。相比之下，当我使用二分类进行分割时，一切正常。

num_classes = len(np.unique(y_train))y_train_categorical = keras.utils.to_categorical(y_train, num_classes)kf=StratifiedKFold(n_splits=5, shuffle=True, random_state=999)# 将数据分成不同的折for i, (train_index, val_index) in enumerate(kf.split(x_train, y_train_categorical)):    x_train_kf, x_val_kf = x_train[train_index], x_train[val_index]    y_train_kf, y_val_kf = y_train[train_index], y_train[val_index]ValueError: Supported target types are: ('binary', 'multiclass'). Got 'multilabel-indicator' instead.

回答：

keras.utils.to_categorical 生成的是一个独热编码的类别向量，即错误信息中提到的 multilabel-indicator。StratifiedKFold 并不是设计用来处理这种输入的；从 split 方法的文档中可以看到：

split(X, y, groups=None)

[…]

y : array-like, shape (n_samples,)

监督学习问题的目标变量。分层是基于y标签进行的。

也就是说，你的 y 必须是一个一维数组，包含你的类别标签。

本质上，你需要做的只是简单地颠倒操作的顺序：首先进行分割（使用你的初始 y_train），然后再转换为 to_categorical。