Python3.7中LinearSVC多分类报错及情感分类代码求助

看起来你在做单标签情感分类，但代码里的几个错误导致模型误判为多输出任务，咱们一步步来修正：

错误根源分析 #

你遇到的ValueError核心原因是：

• 你把标签数组label_np通过reshape(20,20)改成了二维结构，Scikit-learn会把这种二维标签识别为多输出分类任务（每个样本要预测20个标签），但LinearSVC的multi_class='crammer_singer'模式只支持单输出的二分类/多分类，不支持多输出。
• 同时你还错误地把文本数据也reshape成了二维，这完全违背了情感分类的输入逻辑（每条文本对应一个标签）。
• 额外的错误：你直接用原始文本训练SVM，而SVM只能处理数值特征，必须用TF-IDF转换后的特征矩阵。

修正后的完整代码 #

import numpy as np
import csv
from sklearn.svm import LinearSVC
from sklearn.model_selection import StratifiedKFold
from sklearn.feature_extraction.text import TfidfVectorizer

# 假设你的文本数据存储在result_preprocess列表中，这里补充完整加载逻辑
result_preprocess = []
labels = []
path = "your_dataset.csv"  # 替换成你的数据集路径

with open(path, encoding='utf-8') as in_file:
    data = csv.reader(in_file)
    next(data)  # 如果CSV有表头，记得跳过这一行
    for line in data:
        result_preprocess.append(line[0])  # 第0列是文本内容
        labels.append(line[1])  # 第1列是情感标签

# 转换为一维numpy数组（正确的输入格式）
X = np.array(result_preprocess)  # 形状为(n_samples,)，每个元素是单条文本
y = np.array(labels)  # 形状为(n_samples,)，每个元素是对应文本的标签

# 初始化模型和交叉验证器
model = LinearSVC(multi_class='crammer_singer')
kf = StratifiedKFold(n_splits=3, shuffle=True, random_state=42)  # shuffle让划分更均匀
total_acc = []

# 交叉验证循环
for train_idx, test_idx in kf.split(X, y):
    x_train, x_test = X[train_idx], X[test_idx]
    y_train, y_test = y[train_idx], y[test_idx]
    
    # TF-IDF特征转换：只在训练集上拟合，避免数据泄露
    tfidf = TfidfVectorizer(min_df=5, max_df=0.8, sublinear_tf=True, use_idf=True)
    X_train_tfidf = tfidf.fit_transform(x_train)
    X_test_tfidf = tfidf.transform(x_test)
    
    # 训练模型并计算准确率
    model.fit(X_train_tfidf, y_train)
    acc = model.score(X_test_tfidf, y_test)
    total_acc.append(acc)
    print(f"当前折准确率: {acc:.4f}")

# 输出平均准确率
print(f"\n3折交叉验证平均准确率: {np.mean(total_acc):.4f}")

关键修正点说明 #

• 去掉不必要的reshape：保持X和y为一维数组，符合单标签分类的输入要求。
• 使用TF-IDF特征训练模型：必须用fit_transform后的数值矩阵喂给SVM，不能直接用原始文本。
• 添加shuffle和random_state：让StratifiedKFold的划分更稳定，结果可复现。
• 跳过CSV表头：如果你的数据集有表头，一定要用next(data)跳过，避免把表头当成数据。

额外提示 #

如果你的标签是字符串类型，LinearSVC会自动处理为整数编码，不需要手动转换。如果之后需要查看混淆矩阵，可以用sklearn.metrics.confusion_matrix(y_test, model.predict(X_test_tfidf))来生成。

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