SGDClassifier.partial_fit 返回“类应包含标签”的错误

Question

我尝试通过 SGDClassifer.partial_fit 预测我新添加的数据的标签，如下所示：

from sklearn import neighbors, linear_model
import numpy as np

def train_predict():

    X = [[1, 1], [2, 2.5], [2, 6.8], [4, 7]]
    y = [1, 2, 3, 4]

    sgd_clf = linear_model.SGDClassifier(loss="log")

    sgd_clf.fit(X, y)

    X1 = [[6,9]]
    y1=[5]

    f1 = sgd_clf.partial_fit(X1,y1)

    f1.predict([[6,9]])

    return f1


if __name__ == "__main__":
    clf = train_predict()

fit 可以完美地预测标签。但是，部分拟合的预测会导致错误：

in compute_class_weight
    raise ValueError("classes should include all valid labels that can be in y")

类似Sklearn SGDC partial_fit ValueError: classes should include all valid labels that can be in y，我看了partial_fit手册，http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.SGDClassifier.html#sklearn.linear_model.SGDClassifier.partial_fit

但我仍然无法弄清楚如何设置 partial_fit 的参数，以便能够预测动态添加的数据。

任何参考或想法？

Answer 1

根本问题似乎是您的部分拟合输入数据不是原始数据的子集（输入到.fit()）。

该要求至少是我如何解释partial_fit() 中X 和y 的文档：

X : {array-like, sparse matrix}, shape (n_samples, n_features)

Subset of the training data

y : numpy 数组，形状 (n_samples,)

Subset of the target values

当您将X1 和y1 与classes = np.unique(y1) 一起使用时，错误也很明显（如文档中所建议的那样，产生：

ValueError: `classes=array([5])` is not the same as on last call to
    partial_fit, was: array([1, 2, 3, 4])

这表明 partial_fit 在 fit 中使用。

以下示例有效：

X1 = X[2:3]
y1 = y[2:3]

classes = np.unique(y)
f1 = sgd_clf.partial_fit(X1, y1, classes=classes)

因此，请确保 X1 和 y1 包含在您的原始数据集中。