使用stratifiedKFold进行分层交叉验证时候报错:ValueError: Supported target types are: ('binary', 'multiclass'). Got

最新推荐文章于 2023-10-31 10:55:05 发布
最新推荐文章于 2023-10-31 10:55:05 发布
阅读量5.5k 收藏 5
点赞数 2
分类专栏： 机器学习 文章标签： python anaconda
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_42479155/article/details/105031933
版权 
ValueError                                Traceback (most recent call last)
<ipython-input-42-2ab744268d80> in <module>()
     20 print('---------分割线--------------')
     21 sfolder = StratifiedKFold(n_splits=4,random_state=0,shuffle=False)
---> 22 for train, test in sfolder.split(X,y):
     23     print
最低0.47元/天 解锁文章
胖虎艾春辉
关注
专栏目录
ML之FE：特征工程中常用的五大数据集划分方法(留1法/留p法、随机划分法、K折交叉验证法、自定义分割法、特殊类型数据分割法【时间序列数据】、自助采样法)理论讲解及其相关函数源码
近期请国内外头部出版社可尽快私信博主！——心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)…
09-07 6243
​ ML之FE：特征工程中常用的五大数据集划分方法(留1法/留p法、随机划分法、K折交叉验证法、自定义分割法、特殊类型数据分割法【时间序列数据】、自助采样法)理论讲解及其相关函数源码 留1法/留p法：常用在数据集样本数量很大时，但也比较耗算力。比如采用2:1:1或者4:1:1的比例进行划分。如果数据集样本量较少时，采用这种划分方法，得到的模型评估结果往往不够稳定。 k折交叉验证法：交叉验证充分的利用了数据集中的数据，因此当样本数量较小时，可以采用这种方法划分数据集。 自助采样法Bootstrap Res
ValueError: Supported target types are: (‘binary‘, ‘multiclass‘). Got ‘multilabel-indicator‘ instead
y_hh_的博客
07-04 6294
ValueError: Supported target types are: (‘binary’, ‘multiclass’). Got ‘multilabel-indicator’ instead. 在使用StratifiedKFold进行交叉检验时报错。 kfold = StratifiedKFold(n_splits=10, shuffle=True, random_state=42) for train_index, test_index in kfold.split(x, y): ....
报错解决：“ValueError: Supported target types are: (‘binary‘, ‘multiclass‘). Got ‘unknown‘ instead.”
m0_45521766的博客
02-17 1491
报错解决：“ValueError: Supported target types are: ('binary', 'multiclass'). Got 'unknown' instead.”（dtype()、astype()）
成功解决ValueError: Supported target types are: (‘binary‘, ‘multiclass‘). Got ‘continuous‘ instead.
近期请国内外头部出版社可尽快私信博主！——心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)…
03-01 3143
成功解决ValueError: Supported target types are: ('binary', 'multiclass'). Got 'continuous' instead.
使用lgb.cv时出现ValueError: Supported target types are: (‘binary‘, ‘multiclass‘). Got ‘continuous‘ instea
梦码城博客中心
01-14 3563
使用lgb.cv时出现ValueError: Supported target types are: (‘binary’, ‘multiclass’). Got ‘continuous’ instead. 默认情况下，lightgbm.cv中的stratify参数是True。 根据the documentation： stratified (bool, optional (default=True)) – Whether to perform stratified sampling. 但是stratify只
Supported target types are: ('binary', 'multiclass'). Got 'continuous' instead.
大鱼的博客
09-03 1万+
运行python出错： Supported target types are: ('binary', 'multiclass'). Got 'continuous' instead. 排查原因，发现是因为我们执行的是回归问题，而使用了分层（StratifiedKFold），这货是不支持回归，只支持分类问题，因为在写参数里面是不能假如这个，删去即可 ...
绘制ROC曲线时 fpr, tpr, thresholds = roc_curve(y_test, y_pred)报错 raise ValueError("{0} format is not supported".format(y_type)) ValueError: multiclass format is not supported该怎么修改
05-10
这个错误通常发生在ROC曲线绘制时，因为ROC曲线需要二元分类器的输出，而`y_test`中包含多个类别，因此需要进行修改。 你可以使用`LabelBinarizer`将`y_test`转换为二元矩阵，然后只使用其中一列来计算ROC曲线。 ...
ValueError Traceback (most recent call last) <ipython-input-43-7bbaad1a6872> in <module>() ----> 1 metrics.accuracy_score(y_true,y_pred) D:\Downloads\ancanda\lib\site-packages\sklearn\metrics\classification.py in accuracy_score(y_true, y_pred, normalize, sample_weight) 174 175 # Compute accuracy for each possible representation --> 176 y_type, y_true, y_pred = _check_targets(y_true, y_pred) 177 if y_type.startswith('multilabel'): 178 differing_labels = count_nonzero(y_true - y_pred, axis=1) D:\Downloads\ancanda\lib\site-packages\sklearn\metrics\classification.py in _check_targets(y_true, y_pred) 86 # No metrics support "multiclass-multioutput" format 87 if (y_type not in ["binary", "multiclass", "multilabel-indicator"]): ---> 88 raise ValueError("{0} is not supported".format(y_type)) 89 90 if y_type in ["binary", "multiclass"]: ValueError: unknown is not supported
05-25
这个错误通常发生在使用 sklearn.metrics.accuracy_score 函数时，y_true 或 y_pred 参数的格式不正确。你可以检查一下 y_true 和 y_pred 的格式是否正确，比如是否是 numpy 数组，是否是一维数组等等。另外，如果你...
StratifiedKFold错误
weixin_40646145的博客
06-09 2929
在使用stratifiedKFold时出现“Supported target types are: (‘binary’, ‘multiclass’). Got ‘continuous’ instead"，查阅官方文档，分层抽样只用于分类任务，不适用于回归任务。 ...
[BUG解决]numpy.ndarray存储字符串混乱的问题
最新发布
weixin_42559117的博客
10-31 105
问题：“ValueError: Supported target types are: (‘binary‘, ‘multiclass‘). Got ‘unknown‘ instead.”
StratifiedKFold和KFold（5折验证）交叉验证的联系和区别Python实例
03-29 855
Kfold： 将全部训练集分成k个不相交的子集，假设训练集的训练样例个数为m，那么每一个子集有m/k个训练样例，比如[1,2,3,4,5,6]分成两份，则第一份可能为[1,3,5],第二份[2,4,6]。 每次从分好的子集里面，拿出一个作为测试集，其他k-1个作为训练集 在k-1个训练集上训练出学习器模型，把这个模型用测试集来验证，最后求得所有子集的分类率的平均值，作为该模型或者假设函数的真实分类率。 StratifiedKFold StratifiedKFold用法类似Kfold，但是他是分层采样，确保训
sklearn preprocessing
perfectmanman的博客
10-15 1万+
sklearn preprocessing代码代码来自Anaconda软件里sklearn模块init.py""" The :mod:`sklearn.preprocessing` module includes scaling, centering, normalization, binarization and imputation methods. """from .data import B
机器学习：multiclass format is not supported
u013884777的专栏
07-23 3万+
在进行机器学习的时候，遇到一个项目，要求预测的结果是价格，不是以前的定性数据，而是定量数据。然后我在套用以前的GridSearchCV的时候，出现了错误。 代码如下： parameters = { 'penalty':['l1','l2'], 'C':[0.001,0.01,0.1,1,10,100] } lr = LogisticRegression() clf = ...
ML之Xgboost：利用Xgboost模型(7f-CrVa+网格搜索调参)对数据集(比马印第安人糖尿病)进行二分类预测
近期请国内外头部出版社可尽快私信博主！——心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)…
03-09 9677
ML之Xgboost：利用Xgboost模型(7f-CrVa+网格搜索调参)对数据集(比马印第安人糖尿病)进行二分类预测 目录 输出结果 设计思路 核心代码 输出结果 设计思路 核心代码 grid_search = GridSearchCV(model, param_grid, scoring="neg_...
分类问题-----多标签（multilabel）、多类别（multiclass）
热门推荐
qq_27009517的博客
05-10 6万+
转自：大致上，解决multilabel的方法有两种1）转化问题。把问题转化为一个或多个单目标分类问题，或是回归问题。2）算法适应。修改学习算法使得能直接处理multilabel的数据。问题转化方法 dubbed PTx法。包括PT1 对有多标签的数据随机选取一个标签 PT2 直接把标签数大于1的都丢掉PT3 对标签集合进行排列组合，即组合好的成为一个新的单标签PT4 把一个含有L个标签的训练转化为...
【解决问题】python编译报错 Target is multiclass but average='binary'. Please choose another average setting
君琴 的博客
05-08 3万+
今天在编译python代码时，遇到了如下错误： Target is multiclass but average=‘binary’. Please choose another average setting, one of [None, ‘micro’, ‘macro’, ‘weighted’]. 原代码如下，是要求某数据集的F1（精度和召回率组合成单一的指标）。 from sklearn.me...
1.12. Multiclass and multilabel algorithms 多分类多标签算法
u010016927的博客
08-11 6994
1.12. Multiclass and multilabel algorithms Warning   All classifiers in scikit-learn do multiclass classification out-of-the-box. You don’t need to use thesklearn.multiclass module unless y
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值