Sklearn中MultinomialNB维度错误：独热编码下如何适配一维标签数组？

我有一个已完成独热编码的DataFrame（如下表所示），将其传入Sklearn模型时持续出现维度错误。由于MultinomialNB仅接受一维数组作为目标变量，请问该如何正确实现独热编码并适配模型？

以下代码可正常运行：

cv = CountVectorizer(max_features = 1500)
X = cv.fit_transform(df['Color']).toarray()
y = df.loc[:, df.columns != 'Color'].values

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.20, random_state = 0)

但运行以下代码时出现错误：ValueError: y should be a 1d array

classifier = MultinomialNB()
classifier.fit(X_train, y_train)

错误原因 #

你当前的y是独热编码后的二维数组（形状为(n_samples, n_classes)），但MultinomialNB要求目标变量必须是一维的类别标签数组（形状为(n_samples,)），每个元素对应样本的具体类别，这就是报错的核心问题。

解决方法 #

方法1：直接使用原始类别标签作为y

如果你的任务是用Color以外的列（Col B-E）作为特征，预测Color的类别，直接把Color列作为目标变量即可：

# 特征X取独热编码后的列（Col B-E）
X = df.loc[:, df.columns != 'Color'].values
# 目标y取原始类别标签（Color列）
y = df['Color'].values

# 拆分数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.20, random_state=0)

# 训练模型
classifier = MultinomialNB()
classifier.fit(X_train, y_train)  # 此时y是一维数组，可正常运行

方法2：从独热矩阵还原一维类别标签

如果你必须基于现有的独热编码列生成y，可以用np.argmax提取对应类别：

import numpy as np

# 定义独热列对应的类别名称（需和表格映射一致：Col B→red，Col C→blue，Col D→green，Col E→brown）
class_names = ['red', 'blue', 'green', 'brown']
# 从独热矩阵中提取每个样本对应的类别
y = class_names[np.argmax(df.loc[:, df.columns != 'Color'].values, axis=1)]

# 拆分数据集并训练模型
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.20, random_state=0)
classifier = MultinomialNB()
classifier.fit(X_train, y_train)

关键注意事项 #

• 特征X可以是独热/词袋编码后的二维矩阵（符合Sklearn模型输入要求）；
• 目标y绝对不能用独热编码，必须保持一维的类别标签形式，这是Sklearn绝大多数分类器的统一要求。

内容的提问来源于stack exchange，提问作者SwiftestKoala