sheet scikit learn guide examples cheat scikit-learn

scikit learn - guide - SGDClassifier con class_weight=auto falla en scikit-learn 0.15 pero no 0.14



scikit learn install (2)

Cuando entreno un scDCit-learn v0.15 SGDClassifier con estas opciones: SGDClassifier(loss=''log'', class_weight=None, penalty=''l2'') , el entrenamiento se completa sin ningún error. Sin embargo, cuando entreno este clasificador con class_weight=''auto'' en scikit-learn v0.15, obtengo este error:

return self.model.fit(X, y) File "/home/rose/.local/lib/python2.7/site-packages/scikit_learn-0.15.0b1-py2.7-linux-x86_64.egg/sklearn/linear_model/stochastic_gradient.py", line 485, in fit sample_weight=sample_weight) File "/home/rose/.local/lib/python2.7/site-packages/scikit_learn-0.15.0b1-py2.7-linux-x86_64.egg/sklearn/linear_model/stochastic_gradient.py", line 389, in _fit classes, sample_weight, coef_init, intercept_init) File "/home/rose/.local/lib/python2.7/site-packages/scikit_learn-0.15.0b1-py2.7-linux-x86_64.egg/sklearn/linear_model/stochastic_gradient.py", line 336, in _partial_fit y_ind) File "/home/rose/.local/lib/python2.7/site-packages/scikit_learn-0.15.0b1-py2.7-linux-x86_64.egg/sklearn/utils/class_weight.py", line 43, in compute_class_weight raise ValueError("classes should have valid labels that are in y") ValueError: classes should have valid labels that are in y

¿Qué podría causarlo?

Como referencia, aquí está la documentación sobre class_weight :

Preestablecido para el parámetro class_weight fit. Pesos asociados con las clases. Si no se da, se supone que todas las clases tienen peso uno. El modo "automático" usa los valores de y para ajustar automáticamente los pesos inversamente proporcionales a las frecuencias de la clase.

Creo que esto puede ser un error dentro de scikit-learn. Como solución alternativa, intente lo siguiente:

from sklearn.preprocessing import LabelEncoder le = LabelEncoder() y_encoded = le.fit_transform(y) self.model.fit(X, y_encoded) pred = le.inverse_transform(self.model.predict(X))