Python3：ValueError：解包的值太多（预期为 2）答案

【问题标题】：Python3: ValueError: too many values to unpack (expected 2)Python3：ValueError：解包的值太多（预期为 2）
【发布时间】：2017-07-15 12:49:54
【问题描述】：

现在我正在从 txt 文件中读取大量（大约 100 万行）训练数据（标签：0 或 1）来练习使用 scikit-learn 进行机器学习：数据如下：

label       data
0      xd,xw,gh
1      xg,xh,xl,xk,yh,xd

.......................

但运行代码后出现错误：

 Traceback (most recent call last):
  X, y = get_minibatch(train_text, train_label, chunksize=1000)
 ValueError: too many values to unpack (expected 2

请给我关于这个问题的建议！感谢您的时间和考虑！

【问题讨论】：

标签： python-3.x machine-learning scikit-learn

【解决方案1】：

get_minibatch(train_x, train_y, chunksize) 正在使用 yield 将其呈现为 generator/iterator。

你调用它就像一个函数，期待两个参数并将它们解包。

但是你没有得到两个元素，你在调用之后获得了一个生成器/迭代器对象。（在这些情况下：总是打印出print(type(function()))。当然这个单一的对象不能被解包成两个。

您需要像生成器/迭代器一样使用它，例如在python3中：

X, y = next(get_minibatch(train_text, train_label, chunksize=1000))

【讨论】：

感谢@sascha，在我添加下一个（get_minibach.....）之后，代码仍然有错误：raise ValueError("classes should include all valid labels that can" ValueError: classes should包括所有可以在 y 中的有效标签
这是一些新的无关问题。基本问题是，存在未知标签，因为您的装配工不知道它们。阅读this。摘录：For classification, a somewhat important thing to note is that although a stateless feature extraction routine may be able to cope with new/unseen attributes, the incremental learner itself may be unable to cope with new/unseen targets classes. In this case you have to pass all the possible classes to the first partial_fit call using the classes= parameter.
感谢@sascha 您的宝贵建议。对不起，我仍然不知道如何处理它。
为此提出一个新问题。这个回答了（虽然不被接受）。在一些 cmets 中就一个不相关的问题讨论这个其他问题是不合适的。（简短的解决方案：只需构建一个 set()，遍历所有 y，收集所有目标，转换为数组并使用 classes= param 将其传递给 partial_fit）
感谢@sascha，我将开始一个新问题，我会接受这个。