类标签不存在 sklearn.ensemble.RandomForestClassifier for class_weight

Posted 2023-03-12

【中文标题】类标签不存在 sklearn.ensemble.RandomForestClassifier for class_weight

【英文标题】：Class label not present sklearn.ensemble.RandomForestClassifier for class_weight

【发布时间】：2019-11-08 19:17:39

【问题描述】：

我正在使用来自sklearn.ensemble 的RandomForestClassifier。当我在没有class_weight 的情况下使用它时它可以工作，但是当我添加class_weight 时它会给出这个错误。

lr = RandomForestClassifier(n_estimators = 22,criterion =
                           'entropy',max_depth=5,class_weight='Sex':2.)

lr.fit(X_train.values[:,1:],Y_train)

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-248-411a1c135d08> in <module>
      1 print(X_train)
----> 2 lr.fit(X_train.values[:,1:],Y_train)

/opt/conda/lib/python3.6/site-packages/sklearn/ensemble/forest.py in fit(self, X, y, sample_weight)
    273         self.n_outputs_ = y.shape[1]
    274 
--> 275         y, expanded_class_weight = self._validate_y_class_weight(y)
    276 
    277         if getattr(y, "dtype", None) != DOUBLE or not y.flags.contiguous:

/opt/conda/lib/python3.6/site-packages/sklearn/ensemble/forest.py in _validate_y_class_weight(self, y)
    519                     class_weight = self.class_weight
    520                 expanded_class_weight = compute_sample_weight(class_weight,
--> 521                                                               y_original)
    522 
    523         return y, expanded_class_weight

/opt/conda/lib/python3.6/site-packages/sklearn/utils/class_weight.py in compute_sample_weight(class_weight, y, indices)
    161             weight_k = compute_class_weight(class_weight_k,
    162                                             classes_full,
--> 163                                             y_full)
    164 
    165         weight_k = weight_k[np.searchsorted(classes_full, y_full)]

/opt/conda/lib/python3.6/site-packages/sklearn/utils/class_weight.py in compute_class_weight(class_weight, classes, y)
     63             i = np.searchsorted(classes, c)
     64             if i >= len(classes) or classes[i] != c:
---> 65                 raise ValueError("Class label  not present.".format(c))
     66             else:
     67                 weight[i] = class_weight[c]

ValueError: Class label Sex not present. 

这是我的 X_train：

PassengerId Pclass Sex ... Ticket Fare Embarked

【参考方案1】：

Y_train你有多少班？

class_weight 与 Y_train 相关，即标签。

示例：

class_weight=0:1,1:2

表示权重 1 到 0 类，权重 2 到 1 类。

使用class_weight='Sex':2.是错误的，它指的是X_train。

【讨论】：

@RavikantSingh 如果您的Y_train 中没有至少两个类，则您无法对任何内容进行分类

这是真的。您不能只用一个类来定义分类问题。这根本没有意义。也许您应该寻找回归（标量值预测）模型。

@RavikantSingh “它有效”是什么意思？由于没有什么可分类的，模型到底在做什么？

可能OP意味着没有错误弹出。但是，当n_classes < 2

时，分类仍然没有意义

@RavikantSingh 告诉我，你的目标是什么？