使用sklearn MultiOutputClassifier遇类别数不足两类的报错求助

使用sklearn的MultiOutputClassifier结合SVC进行多标签分类时，触发报错：ValueError: The number of classes has to be greater than one; got 1 class。

已完成以下验证：

• 为无标签数据添加了「Free」类别
• 确认y_train为400×31矩阵，无全零行：np.any(np.all(y_train == 0, axis=1))返回False
• len(np.unique(y_train))结果为2，自定义atleast_one(y_train)返回True

相关代码：

texts = [element['text'] for element in train_data]
labels = [element['labels'] if element['labels'] else ['Free'] for element in train_data]

mlb = MultiLabelBinarizer(classes=G.nodes)
y_bin = mlb.fit_transform(labels)

# texts was turned in X_reduced cause i did some other changes there
X_train, X_test, y_train, y_test = train_test_split(X_reduced, y_bin, test_size=0.2, random_state=42)

multi_label_classifier = MultiOutputClassifier(SVC(kernel='linear', probability=True))
y_train=y_train.astype(np.uint8)  # i saw this in a precedent post but it didn't worked
multi_label_classifier.fit(X_train, y_train)

报错栈信息：

ValueError                                Traceback (most recent call last)
<ipython-input-14-cb7366c3ac07> in <cell line: 55>()
     53 multi_label_classifier = MultiOutputClassifier(SVC(kernel='linear', probability=True))
     54 y_train=y_train.astype(np.uint8)
---> 55 multi_label_classifier.fit(X_train, y_train)
     56 
     57 def concatenate_row_elements(matrix):

/usr/local/lib/python3.10/dist-packages/sklearn/svm/_base.py in _validate_targets(self, y)
    747         self.class_weight_ = compute_class_weight(self.class_weight, classes=cls, y=y_)
    748         if len(cls) < 2:
---> 749             raise ValueError(
    750                 "The number of classes has to be greater than one; got %d class"
    751                 % len(cls)
ValueError: The number of classes has to be greater than one; got 1 class

原因 #

MultiOutputClassifier的核心逻辑是为每个标签列单独训练一个SVC分类器。你之前的验证仅检查了整个y_train矩阵的整体类别分布，未针对单个标签列做校验——报错本质是某一个（或多个）标签列的样本只有单一类别（全0或全1），导致对应的SVC无法完成训练（SVC要求至少2个类别）。

解决步骤 #

1. 定位异常标签列
   运行以下代码找出存在问题的标签列：

   # 遍历每个标签列，检查类别数
   for idx in range(y_train.shape[1]):
       unique_classes = np.unique(y_train[:, idx])
       if len(unique_classes) < 2:
           print(f"标签列{idx}仅含{len(unique_classes)}个类别: {unique_classes}")
           print(f"对应标签名称: {mlb.classes_[idx]}")
   

2. 处理异常列

   • 若异常列对应「Free」或无效标签，检查MultiLabelBinarizer的classes参数（即G.nodes）是否错误包含该标签，调整后重新生成二值化标签。
   • 若为有效标签但数据分布极端（所有样本为同一类），可选择：
     • 删除该标签列（模型无法从单一类别中学到有效模式）：

       # 筛选正常标签列的索引
       valid_cols = [idx for idx in range(y_train.shape[1]) if len(np.unique(y_train[:, idx])) >=2]
       # 过滤训练/测试集标签
       y_train = y_train[:, valid_cols]
       y_test = y_test[:, valid_cols]
       # 更新标签映射（若后续需要逆转换）
       mlb.classes_ = mlb.classes_[valid_cols]
       

     • 检查数据标注逻辑，补充该标签对应类别的样本数据。

3. 重新训练模型
   完成异常列处理后，重新执行multi_label_classifier.fit(X_train, y_train)即可。

内容的提问来源于stack exchange，提问作者Luca Luca