ValueError:此解算器需要数据中至少两个类的样本，但数据仅包含一个类：1.0

Question

我有一个8670个试验的训练数据集，每个试验有125个时间样本，而我的试验集有578个试验。当我应用scikit-learn中的支持向量机算法时，得到了很好的结果。

但是，当我应用logistic回归时，会出现以下错误：

"ValueError: This solver needs samples of at least 2 classes in the data, but the data contains only one class: 1.0" .

我的问题是为什么支持向量机能够给出预测，而logistic回归却给出了这个错误？

可能是数据集有问题，或者是因为训练样本看起来很相似，逻辑回归无法分类？

Answer 1

我在下一期的类似线性模块中读到了这个：https://github.com/lensacom/sparkit-learn/issues/49

“不幸的是，这确实是一只虫子。Sparkit并行地训练sklearn的线性模型，然后在一个reduce步骤中将它们平均。至少有一个块，其中仅包含一个标签。要检查，请尝试以下操作：

train_Z[:, 'y']._rdd.map(lambda x: np.unique(x).size).filter(lambda x: x < 2).count()

要解决这个问题，您可以随机化列车数据，以避免使用一个标签的数据块，但这仍在等待一个聪明的解决方案。”

编辑：我找到了一个解决方案，上面分析的错误是正确的。这将是一个解决办法。

要按照与使用scikitlearn utils模块相同的顺序排列数组：

from sklearn.utils import shuffle
X_shuf, Y_shuf = shuffle(X_transformed, Y)

然后用那些洗牌数组再次训练你的模型，它会起作用的！