sklearn逻辑回归/随机森林报multiclass-multioutput等错误求解

核心前置代码问题（是后续绝大多数报错的根源） #

• 特征与标签赋值完全错误：初始代码写了X = dataset_df、Y = dataset_df，等于把完整数据集同时赋值给特征和标签，且后续拆分时使用的是未定义的小写变量y。正确写法：X为剔除预测标签列后的所有特征列，y为单独的待预测标签列，例如标签列名为target时，写法为：

  X = dataset_df.drop(columns=['target'])
  y = dataset_df['target']
  

  如果标签是字符串类型，需要先用LabelEncoder转为数值型再传入模型。
• 首次训练/测试集拆分代码被包裹在单引号中，变成了不会执行的字符串，导致X_train、X_test、y_train、y_test变量完全没有被正确生成，后续二次拆分验证集的逻辑直接基于未定义变量运行。
• 变量名大小写、命名不统一：一会定义X_train_Std，一会调用不存在的X_test_std_pca_1；初始化的逻辑回归模型叫lr_classifier，后续调用时写的是从未定义的lr_2，必然触发未定义报错。
• %matplotlib inline是Jupyter环境专属魔法命令，在普通.py脚本中运行需要删除该行。

各报错对应原因与修复方案 #

1. 报错：NameError: name 'lr_2' is not defined #

• 原因：代码中从未定义名为lr_2的模型变量，同时调用的X_test_std_pca_1也不存在，属于变量名拼写、命名不匹配。
• 修复：调用模型、数据集时统一使用你实际定义的变量名，不要随意更改变量名拼写和大小写。

2. 报错：ValueError: multiclass-multioutput is not supported #

3. 报错：ValueError: y should be a 1d array, got an array of shape (3876, 16) instead. #

• 两个报错为同一原因：传入模型的标签y是16列的完整数据集，不是要求的形状为(样本数,)的1维单标签列。sklearn内置的逻辑回归、随机森林默认只支持单标签分类，传入多列二维标签时，模型会判定为多输出分类任务，默认配置不支持该场景就会抛出错误。
• 修复：按照前置问题中的方法正确拆分X和y，确保传入模型的y是1维单标签数组。

4. 报错：TypeError: unsupported format string passed to Series.format #

• 原因：(y_validation != y_pred).sum()返回的是pandas Series类型结果，不是纯Python数值，无法直接传入字符串格式化占位符；同时代码中混淆了y_pred和y_pred2两个预测结果变量。
• 修复：在.sum()后追加.item()将pandas标量转为普通Python数值，同时统一预测结果变量名，修复后的代码如下：

  y_pred_val = lr_classifier.predict(sc.transform(X_validation))
  mis_count = (y_validation != y_pred_val).sum().item()
  total_count = len(y_validation)
  print('Misclassified samples {0} out of {1}, i.e. {2:.2f}% accurate'.format(
      mis_count,
      total_count,
      (1 - mis_count/total_count)*100
  ))
  

修正后的可运行基础框架 #

import pandas as pd
import numpy as np
from sklearn.linear_model import LogisticRegression
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler, LabelEncoder
from sklearn.metrics import accuracy_score, roc_auc_score
import matplotlib.pyplot as plt

# 拆分特征与标签，替换'target'为你数据集实际的标签列名
X = dataset_df.drop(columns=['target'])
y = dataset_df['target']
# 标签为字符串时执行编码
le = LabelEncoder()
y = le.fit_transform(y)

# 拆分训练/验证/测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=1)
X_train, X_validation, y_train, y_validation = train_test_split(X_train, y_train, test_size=0.3, random_state=1)

# 特征标准化：仅用训练集拟合scaler，验证/测试集直接transform
sc = StandardScaler()
sc.fit(X_train)
X_train_Std = sc.transform(X_train)
X_val_Std = sc.transform(X_validation)
X_test_Std = sc.transform(X_test)

# 初始化并训练模型
lr_classifier = LogisticRegression(C=1000, random_state=1)
rf_classifier = RandomForestClassifier(max_depth=5, random_state=1)
lr_classifier.fit(X_train_Std, y_train)
rf_classifier.fit(X_train_Std, y_train)

# 随机森林max_depth参数遍历
max_depth_params = [2, 3, 5, 10]
for max_depth in max_depth_params:
    rf_tmp = RandomForestClassifier(max_depth=max_depth, random_state=1)
    rf_tmp.fit(X_train_Std, y_train)
    val_pred = rf_tmp.predict(X_val_Std)
    print(f'max depth param: {max_depth}, accuracy: {accuracy_score(y_validation, val_pred):.4f}')

# 计算测试集AUC（二分类场景取正类概率，多分类需配置multi_class参数）
lr_test_proba = lr_classifier.predict_proba(X_test_Std)[:, 1]
print(f'逻辑回归测试集AUC: {roc_auc_score(y_test, lr_test_proba):.4f}')

内容的提问来源于stack exchange，提问作者CR. R