多分类Logistic Regression做最短路径预测时one-hot标签报错如何解决

首先明确报错核心：scikit-learn中的多分类逻辑回归、SVM等分类器，默认要求输入的标签y为一维类别数组，你当前使用的是形状为(50,3)的独热编码二维标签，因此触发格式不匹配报错。另外你原代码中仅传入newy_train[:,0]作为标签，相当于把问题简化为「第0条路径是否为最短路径」的二分类任务，自然无法适配三分类需求。

第一步：转换独热编码标签为一维类别标签 #

你生成的newy_train每行仅对应一个位置为1，分别对应第0、1、2类（对应三条路径中的最短路径），直接按行取最大值的索引即可完成转换：

# 独热编码转一维类别标签，输出形状为(50,)
y_train_label = newy_train.argmax(axis=1)
# 测试集标签如果也是独热格式，同理转换
y_test_label = newy_test.argmax(axis=1)

第二步：调整多分类模型训练代码 #

无需修改分类器的初始化参数，直接传入转换后的一维标签即可完成三分类训练：

from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score, confusion_matrix

# 初始化多分类逻辑回归
LogReg = LogisticRegression(solver = 'lbfgs', multi_class = 'multinomial')
# 传入训练特征和转换后的一维标签
LogReg.fit(newx_train, y_train_label)
# 预测
ylog_pred = LogReg.predict(newx_test)
# 计算准确率和混淆矩阵
print("模型准确率：", accuracy_score(y_test_label, ylog_pred))
print("混淆矩阵：\n", confusion_matrix(y_test_label, ylog_pred))

其他说明 #

如果后续要训练SVM多分类模型，标签处理逻辑完全一致，直接使用转换后的一维类别标签即可，无需额外调整标签格式。

内容的提问来源于stack exchange，提问作者Parlielion