用scikit-learn一次性学习

Question

假设我只有1个正数来训练分类器。有没有一种方法可以训练一个只有一个正数的scikit-learn模型?(例如，类似于示例SVM)。

目前我有以下内容:

scores = [
   ('precision', precision_score),
]
for score_name, score_func in scores:
    clf = GridSearchCV(SVC(C=1), tuned_parameters, score_func=score_func)
    clf.fit(X[train], y[train])
    y_true, y_pred = y[test], clf.predict(X[test])

但是我得到以下错误:

ValueError: y中填充最少的类只有2个成员太少了。任何类的最小标签数都不能少比k = 3 .

Answer 1

在scikit-learn中没有专门用于一次性学习的模型。

此外，正如您应该在错误消息的完整追溯中看到的那样，GridSearchCV在内部使用交叉验证，因此您不能将其用于不具有至少2个阳性样本的on数据集。