我在尝试使用scikit-learn中的’被动攻击分类器’和20新闻组数据集来实现一个在线分类器。我对此非常新手，因此不确定我是否正确地实现了它。尽管如此，我开发了一个小的代码，但当我执行它时，我不断遇到以下错误：
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.
我在StackOverflow上查看了大部分帖子，他们建议必须只有一个独特的类别。所以我执行了np.unique(labels)，结果显示有20个（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]有谁能帮我解决这个错误，并且请告诉我是否我的实现有误。
我的代码如下所示：
from sklearn.linear_model import PassiveAggressiveClassifierfrom sklearn.datasets import make_classificationfrom string import punctuationimport numpy as npfrom sklearn.datasets import fetch_20newsgroupsfrom collections import Counterfrom sklearn.preprocessing import MinMaxScaler, LabelBinarizerfrom sklearn.utils import shufflefrom nltk.corpus import stopwordsfrom sklearn.feature_extraction.text import TfidfVectorizerimport nltknltk.download('stopwords')seed = 42np.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, labelsif __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))提前感谢！
回答：
问题出在这一行：
X, y = X_train[i:i + 1], y_train[i:i + 1]它在你的for循环内，即在你执行np.unique(labels)并确认确实有20个类别之后…
仔细观察，你会发现这一行导致X和y各只有一个元素（分别是X_train[i]和y_train[i] – 实际上，由于错误可能发生在第一次迭代，即i=0时，你最终得到的只是X_train[0]和y_train[0]），这显然不适合模型拟合；因此，错误消息正确地指出你的集合中只有一个标签（因为你只有一个样本）…
为了确认确实如此，只需在clf.fit()之前插入一个print(np.unique(y)) – 它会只打印一个标签。
你的for循环具体试图实现什么并不清楚；如果你试图训练你的分类器以处理数据集的连续片段，你可以尝试将[i:i+1]索引改为[i:i+k]，其中k是一个足够大的数，但对于一个20个标签的数据集，这并不简单，因为你必须确保每次调用clf.fit()时，所有20个标签都存在，否则你会将苹果与橙子进行比较…
我强烈建议从简单开始：删除for循环，将你的分类器拟合到整个训练集上（clf.fit(X_train, y_train)），并查看scikit-learn的文档，了解可用的性能指标…
编辑 我刚刚注意到这个细节：
我在尝试实现一个在线分类器
嗯，你试图做的事情显然不是在线训练（这本身就是一个巨大的话题），因为你的for循环只是在每次迭代中从头开始重新训练一个新的分类器（至少是尝试）。
正如我所说，从简单开始；先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，这绝对不是初学者应该尝试的…
