使用scikit-learn的SVM、高斯朴素贝叶斯多分类报y维度ValueError的问题

实验基础设置 #

• 数据集参数：共1335个样本，每个样本对应11个输入特征，整体包含17个分类类别
• 待训练的标签数组当前形状为(1335, 17)

已尝试的训练流程 #

• 基于SVM的分类训练
  编写的训练代码如下：

  from sklearn.svm import SVC
  svclassifier = SVC(kernel='linear')
  svccl = svclassifier.fit(x_train, y_train)
  

  尝试将kernel参数调整为poly后运行，依然无法正常训练。
• 基于高斯朴素贝叶斯的分类训练
  编写的训练代码如下：

  from sklearn.naive_bayes import GaussianNB 
  gnb = GaussianNB().fit(x_train, y_train) 
  gnb_predictions = gnb.predict(x_test) 
  

  运行时触发了和SVM完全相同的报错。

程序抛出的错误信息 #

ValueError: y should be a 1d array, got an array of shape (934, 17) instead.

待解答的问题 #

当前的实现思路存在什么问题，才会出现这类跨模型的统一报错？

内容的提问来源于stack exchange，提问作者Sukhmani Kaur Thethi