Как решить «ValueError: Поддерживаемые целевые типы: (« бинарный »,« мультикласс »). Вместо этого получил« multiclass-multioutput ».»ошибка в питоне 3.7 - PullRequest
Новая
       72

Как решить «ValueError: Поддерживаемые целевые типы: (« бинарный »,« мультикласс »). Вместо этого получил« multiclass-multioutput ».»ошибка в питоне 3.7

2 голосов
/ 29 апреля 2019

Я хочу создать программу для классификации эмоций с использованием TF-IDF и SVM.Прежде чем классифицировать данные, я должен разбить набор данных на обучение и тестирование данных с использованием стратифицированного KFold.Я использовал массив numpy для хранения текстов (X) и меток (Y)

Но в итоге получилась ошибка:

'ValueError: Поддерживаемая цельТипы: («двоичный», «мультикласс»).Вместо этого я получил 'multiclass-multioutput'.

этот код работает на python 3.7

это мой код: 

labels = []

with open(path, encoding='utf-8') as in_file:
    data = csv.reader(in_file)
    for line in data:
        labels.append(line[1])

label_np = np.array(labels)
lp = label_np.reshape(20,20)
# lp = label_np.transpose(0)
# print(lp)

result_preprocess_np = np.array(result_preprocess)
hp = result_preprocess_np.reshape(20,20)

model = LinearSVC(multi_class='crammer_singer')
total_svm = []

total_mat_svm = np.zeros((20,20))

kf = StratifiedKFold(n_splits=3)
kf.get_n_splits(hp, lp)

for train_index, test_index in kf.split(hp, lp):
    # print('Train : ', test_index, 'Test : ', test_index)
    x_train, x_test = hp[train_index], hp[test_index]
    y_train, y_test = lp[train_index], lp[test_index]


vectorizer = TfidfVectorizer(min_df=5,
                             max_df=0.8,
                             sublinear_tf=True,
                             use_idf=True)
train_vector = vectorizer.fit_transform(x_train)
test_vector = vectorizer.transform(x_test)

model.fit(x_train, y_train)
result_svm = model.score(x_test, y_test)
print(result_svm)

Я ожидаю, что результатом является точность классификации.

...