MultiOutputClassifier报类别数需大于1错误 多标签SVM分类问题求解

• 标签转换环节存在变量名笔误
  你写的y值转换循环中，循环变量是j，但实际取值时用了固定的i，而i是上一个遍历X的循环执行结束后的终值（等于len(X)-1），导致所有样本的标签都被覆盖为最后一个样本的标签值。从你给出的y样例也能验证这个问题：所有行的标签都是完全一致的[1 0 0 0 0 1]，意味着第2到第5个标签列所有值都是0，单类标签无法满足SVM需要两类样本的训练要求。
  你之前检查np.unique(y)得到[0,1]只是全局所有标签的取值，没有按每个单独的标签列检查，所以没发现部分列只有一类的问题。
• （次要可能）即使修复笔误后，若训练集中某类自然元素从未出现，对应标签列全为0或全为1，也会触发相同报错。

1. 修复标签转换的代码错误，将原来的转换代码替换为正确的索引写法：

# 原错误代码
# for j in range(len(y)):
#     y[j] = [int(yy) for yy in y[i]]

# 修正后代码
for j in range(len(y)):
    y[j] = [int(yy) for yy in y[j]]

也可以用更简洁的列表推导式避免变量名写错：

y = [[int(yy) for yy in row] for row in y]

2. 修复后检查每个标签列的取值分布，确认每列都同时存在0和1：

for col in range(y.shape[1]):
    print(f"第{col+1}个标签的唯一值：", np.unique(y[:, col]))

如果确实存在某列只有一类值的情况，可选择移除该无区分度的标签，或补充对应类别的训练样本后再训练模型。

内容的提问来源于stack exchange，提问作者K2G