多分类示例中LabelBinarizer输出结果存在差异

最近跟着scikit-learn官方教程做多分类相关示例时，碰到了一个奇怪的异常情况，我先把当时的环境和代码片段整理出来：

环境版本 #

>>> import sklearn
>>> sklearn.__version__
0.19.1

导入相关模块 #

>>> from sklearn.svm import SVC
>>> from sklearn.multiclass import OneVsRestClassifier
>>> from sklearn.preprocessing import LabelBinarizer

测试数据 #

>>> X = [[1, 2], [2, 4], [4, 5], [3, 2], [3, 1]]
>>> y =...  # 这里y的具体内容没粘贴完整，当时就是在处理y或者拟合模型时触发了异常

我本来是严格按照教程步骤来做OneVsRestClassifier结合SVC的多分类测试，但在运行过程中出现了预期外的报错。结合0.19.1这个相对老旧的版本，给大家几个排查方向参考：

• 先确认y的格式是否合规：如果是普通多分类任务，y得是一维的类别数组；如果是多标签任务，必须用LabelBinarizer转换成二维二进制矩阵，这个版本对输入格式的校验比新版本要严格
• 检查模型参数搭配：SVC默认是二分类器，用OneVsRest包装后，要确认有没有设置合适的参数，比如kernel类型或者是否开启probability，这些都可能影响多分类逻辑的执行
• 核对数据维度：确保X的形状是(n_samples, n_features)，同时y的样本数量和X完全一致，维度不匹配是这类问题的常见诱因

内容的提问来源于stack exchange，提问作者miku