如何修复 ValueError：分类指标无法处理模型的多类和多标签指标目标的混合？答案

【问题标题】：How to fix ValueError: Classification metrics can't handle a mix of multiclass and multilabel-indicator targets for model?如何修复 ValueError：分类指标无法处理模型的多类和多标签指标目标的混合？
【发布时间】：2020-12-30 21:09:36
【问题描述】：

我创建了一个多类分类模型，其中输出变量有 6 个类。当我尝试获得准确度分数时出现错误。我尝试了其他 SO 答案，但答案没有帮助。

代码

#Converting Target Variable to Numeric
lang = {'US':1, 'UK':2, 'GE':3, 'IT':4, 'FR':5, 'ES':6} 
df.language = [lang[item] for item in df.language] 

#Creating Input Features and Target Variables
X= df.iloc[:,1:13]
y= df.iloc[:,0]

#Standardizing the Input Features
from sklearn.preprocessing import StandardScaler

scaler = StandardScaler()
X = scaler.fit_transform(X)

#Train Test Split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)

#Model
model = Sequential()

model.add(Dense(12, activation='relu', kernel_initializer='random_normal', input_dim=12))
model.add(Dense(10, activation='relu', kernel_initializer='random_normal'))
model.add(Dense(8, activation='relu', kernel_initializer='random_normal'))

#Output Layer
model.add(Dense(7, activation = 'softmax', kernel_initializer='random_normal'))

#Compiling the neural network
model.compile(optimizer ='adam',loss='sparse_categorical_crossentropy', metrics =['accuracy'])

#Fitting the data to the training dataset
model.fit(X_train,y_train, batch_size=5, epochs=100)

#Make predictions
pred_train = model.predict(X_train)
pred_test = model.predict(X_test)  
   
print('Train Accuracy = ',accuracy_score(y_train,pred_train.round()))
print('Test Accuracy = ',accuracy_score(y_test,pred_test.round()))

错误

ValueError: Classification metrics can't handle a mix of multiclass and multilabel-indicator targets

变量持有的值 我正在添加所需变量所持有的值。我相信我收到的输出变量的数量不正确，因为 1 个值有多个输出。

y_train

pred_train

array([[0.13525778, 0.15400752, 0.14303789, ..., 0.14364597, 0.14196989,
        0.14313765],
       ...,
       [0.13389133, 0.15622397, 0.14272076, ..., 0.14345258, 0.142379  ,
        0.14322434]], dtype=float32)

y_test

pred_test

array([[0.13440262, 0.15538406, 0.14284912, 0.13841757, 0.14352694,
        0.14221355, 0.14320615],
       .....,
       [0.13503768, 0.1543666 , 0.14298101, 0.13881107, 0.14361957,
        0.14203095, 0.14315312]], dtype=float32)

【问题讨论】：

y_train、pred_train、y_test、pred_test 的值是多少？
@B200011011 我已经添加了问题中的值，请看一下。
试试jaccard_score。此外，您无法使用经过训练的数据进行预测，因此 pred_train 它没有用处。
@Omar ，如果我无法使用训练数据进行预测，那么我将如何比较模型在训练数据和测试数据上的准确性？
@IshanDutta 这就是您拥有测试数据的原因。即：它不能学习“1是苹果”然后预测1。它知道1的结果。你只会模糊你的结果！测试数据是新的，因此您可以使用这些数据来测试其准确性。

标签： python keras scikit-learn deep-learning neural-network

【解决方案1】：

predict 返回样本属于每个类的概率，但accuracy_score 需要类标签。您必须从预测中获取类标签。使用

accuracy_score(y, np.argmax(pred_train, axis=1))

np.argmax 返回概率最高的类的标签，由于您对一批数据而不是单个样本进行了预测，因此您将不得不使用axis=1。

【讨论】：