二进制分类SVM给出一个类值错误，尽管有两个类

Question

我在一些数据上使用RBF SVM。我的y数据（类）如下：

print len(y),y

退货：

120 [0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
 1 1 1 1 1 1 1 1 1]

然而，当我运行这段代码绘制学习曲线时，我得到了一个值错误，声称只有一个类UPDATE：error有点变化，请检查注释：

from sklearn.learning_curve import learning_curve
CV = cross_validation.StratifiedKFold(y, n_folds=10, shuffle = True)

def plot_learning_curve(estimator, title, X, y, ylim=None, cv=CV,
                    n_jobs=1, train_sizes=np.linspace(.1, 1.0, 5)):
    plt.figure()
    train_sizes, train_scores, test_scores = learning_curve(
       estimator, X, y, cv=cv, n_jobs=n_jobs, train_sizes=train_sizes)
    plt.grid()

    return plt



title = "Learning Curves (SVM, RBF kernel)"

plot_learning_curve(clf, title, val, y, cv=CV, n_jobs=1)
plt.show()

编辑：在对代码进行了一些更改后，在发表了一些评论后，我更新了这里看到的代码

更新：现在这是错误的当前状态：

ValueError: The number of classes has to be greater than one; got 1

Answer 1

设法让它工作起来，不能说我知道错误的确切问题。但它似乎归结为train_size，尽管使用了StratifiedKFold，我认为它最终仍然只包含一个类的测试集。修复它的方法只是简单地改变列车大小中的值范围，直到错误不再出现！

我认为这取决于样本大小和折叠次数，因为即使你低于错误代码给出的范围，（通过故意输入大于样本大小的训练大小）它仍然可以给出上面的错误。我想这是因为样本量不可能总是完美地分开？

Answer 2

您正在执行learning_curve，cv（交叉验证）设置为None，这将回退到默认的3倍交叉验证（请参阅文档）。代码崩溃的原因很可能源于这样一个事实，即只有一个类存在折叠。

您可以将自己的交叉验证对象传递给learning_curve函数（例如StratifiedKFold；请参阅此处）以避免该错误。