...
Erori explicate

Erori Machine Learning explicate: ce înseamnă și cum le repari

Mesajele de eroare Machine Learning pe care le primești cel mai des, fiecare explicat pe înțeles: ce înseamnă, de ce apare, cod greșit lângă cod corect și cum o repari. Înveți de la zero cu Curs Machine Learning și AI pentru începători: primele 15 lecții sunt gratuite.

Repară tu, direct în pagină: la fiecare eroare ai codul care o produce, în același mediu de lucru ca în lecțiile cursului.

Pagină coordonată de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la

  • 150erori
  • 9capitole
  • 81ușor
  • 67mediu
  • 2greu
Erori explicate Machine Learning

Aici găsești erorile pe care le primești când antrenezi modele de Machine Learning în Python cu scikit-learn: date cu valori lipsă sau cu text, tablouri cu forma greșită, modele folosite înainte de fit, etichete continue date unui clasificator, împărțiri train/test imposibile, encodere, pipeline-uri și avertismente precum ConvergenceWarning. Fiecare pagină explică pe înțeles ce îți spune mesajul, de ce apare, cu cod greșit pus lângă codul corect, și cum o eviți pe viitor.

Erorile sunt grupate pe capitole, după etapa din proiect în care apar: pregătirea datelor, forma lui X și y, antrenarea, clasificarea, împărțirea datelor, preprocesarea, modelele și versiunile bibliotecii. Caută mesajul exact pe care l-ai primit, citește cauzele și apoi repară codul direct în pagină, în editorul „Repară tu”, care rulează Python cu scikit-learn în browser.

Date lipsă, text și valori invalide

Ușor Repară tu ValueError: Input X contains NaN. Datele de intrare X au cel puțin o valoare lipsă (NaN), iar modelul nu știe să lucreze cu ea. Completează golurile înainte de fit (de exemplu cu fillna sau SimpleImputer) sau elimină rândurile incomplete cu dropna. Explicația completă → Ușor Repară tu ValueError: could not convert string to float: 'Bucuresti' În X ai o coloană cu text (de exemplu orașul), iar modelul acceptă doar numere. Transformă coloanele de text în numere înainte de fit, cu pd.get_dummies sau OneHotEncoder, sau scoate-le din X dacă nu ai nevoie de ele. Explicația completă → Ușor Repară tu ValueError: Input y contains NaN. Ținta y (coloana pe care vrei s-o prezici) are valori lipsă. Elimină rândurile fără țintă înainte de fit, din X și din y deodată, de exemplu cu df.dropna(subset=['pret']); nu completa ținta cu media. Explicația completă → Mediu Repară tu ValueError: Input X contains infinity or a value too large for dtype('float64'). În X există o valoare infinită (inf) sau un număr prea mare pentru float64. De obicei vine dintr-o împărțire la zero într-o caracteristică calculată de tine. Înlocuiește inf cu NaN și tratează golurile, sau evită împărțirea la zero. Explicația completă → Mediu Repară tu ValueError: dtype='numeric' is not compatible with arrays of bytes/strings.Convert your data to numeric values explicitly instead. Ai dat modelului o listă sau un tablou numpy care conține texte, de exemplu ['Bucuresti', 50]. scikit-learn nu le transformă singur în numere. Codifică textul (OneHotEncoder, get_dummies) sau convertește valorile numerice scrise ca text cu astype(float). Explicația completă → Ușor Repară tu ValueError: Cannot use mean strategy with non-numeric data: Ai cerut unui SimpleImputer să completeze cu media o coloană care conține text. Media se poate calcula doar pe numere: folosește strategy="mean" sau "median" doar pe coloanele numerice și strategy="most_frequent" (sau "constant") pe cele cu text. Explicația completă → Ușor Repară tu ValueError: Found array with 0 sample(s) (shape=(0, 1)) while a minimum of 1 is required by LinearRegression. Ai dat modelului un tabel fără niciun rând. De obicei un filtru (dropna, o condiție pe o coloană, un merge) a eliminat tot. Afișează len(df) după fiecare pas de curățare și repară filtrul care golește tabelul. Explicația completă → Mediu Repară tu TypeError: Encoders require their input argument must be uniformly strings or numbers. Got ['int', 'str'] Coloana dată lui OneHotEncoder, OrdinalEncoder sau LabelEncoder amestecă numere cu text (de exemplu 1, 2 și "parter"). Encoderul trebuie să poată sorta valorile, deci toate trebuie să fie de același tip: convertește coloana cu astype(str) sau înlocuiește textul cu un număr. Explicația completă → Mediu Repară tu ValueError: setting an array element with a sequence. The requested array has an inhomogeneous shape after 1 dimensions. The detected shape was (2,) + inhomogeneous part. Rândurile din X nu au toate același număr de valori, așa că numpy nu poate construi un tabel dreptunghiular. Caută rândul mai scurt sau mai lung (o valoare lipsă, o listă în plus) și adu toate rândurile la aceeași lungime, completând lipsurile cu np.nan. Explicația completă → Mediu Repară tu UserWarning: Skipping features without any observed values: [1]. At least one non-missing value is needed for imputation with strategy='mean'. O coloană din X are numai valori lipsă (NaN), deci SimpleImputer nu poate calcula media ei și o elimină din rezultat. Ieșirea are astfel mai puține coloane decât intrarea. Scoate coloana goală înainte, sau folosește strategy="constant" ori keep_empty_features=True dacă vrei s-o păstrezi. Explicația completă → Mediu Repară tu DTypePromotionError: The DType <class 'numpy.dtypes.DateTime64DType'> could not be promoted by <class 'numpy.dtypes.Int64DType'>. This means that no common DType exists for the given inputs. Ai dat modelului un DataFrame care are o coloană de tip dată (datetime64) lângă coloane numerice, iar numpy nu le poate pune în același tabel. Modelele lucrează doar cu numere: transformă data în trăsături numerice (luna, ziua săptămânii, zile de la o dată) și scoate coloana originală. Explicația completă →

Forma datelor: X 2D, y 1D, număr de rânduri

Ușor Repară tu ValueError: Expected 2D array, got 1D array instead Modelul vrea X ca tabel 2D (rânduri = exemple, coloane = caracteristici), dar a primit o listă simplă 1D. Cu o singură caracteristică, folosește df[['suprafata']] (două paranteze) sau x.reshape(-1, 1); pentru un singur exemplu, [[50]]. Explicația completă → Ușor Repară tu ValueError: Expected 2D array, got scalar array instead Ai dat la predict un singur număr (de exemplu model.predict(70)), iar modelul vrea un tabel 2D. Pune valoarea într-un rând și o coloană: model.predict([[70]]) sau un DataFrame cu un rând. Explicația completă → Ușor Repară tu ValueError: Found input variables with inconsistent numbers of samples: [5, 4] X și y (sau y_true și y_pred) au un număr diferit de rânduri: aici 5 și 4. Fiecare exemplu din X trebuie să aibă exact o etichetă în y. Caută locul unde ai filtrat sau ai împărțit doar una dintre ele și construiește-le din același tabel. Explicația completă → Mediu Repară tu ValueError: X has 3 features, but LinearRegression is expecting 2 features as input. Datele date la predict sau transform au alt număr de coloane decât cele de la fit (aici 3 în loc de 2). Datele noi trebuie să aibă exact aceleași caracteristici, în aceeași ordine, și să treacă prin aceleași transformări ca datele de antrenare. Explicația completă → Mediu Repară tu ValueError: y should be a 1d array, got an array of shape (6, 2) instead. Ai dat clasificatorului o țintă y cu mai multe coloane, de exemplu df[['aprobat', 'suma']], iar modelul vrea o singură coloană cu etichete. Selectează ținta cu o singură paranteză, df['aprobat'], sau aplatizează-o cu ravel() dacă are o singură coloană. Explicația completă → Ușor Repară tu DataConversionWarning: A column-vector y was passed when a 1d array was expected. Please change the shape of y to (n_samples, ), for example using ravel(). Ținta y are forma (n, 1), o coloană, în loc de (n,), o listă. E doar un avertisment: modelul o aplatizează singur. Scapi de el selectând ținta cu df['tinta'] (o paranteză) sau cu y.ravel(). Explicația completă → Mediu Repară tu ValueError: Found array with dim 3, while dim <= 2 is required by LogisticRegression. Modelele din scikit-learn primesc un tabel 2D (rânduri × coloane), iar tu le-ai dat un tablou 3D, de obicei imagini (n, înălțime, lățime). Aplatizează fiecare exemplu într-un singur rând cu X.reshape(len(X), -1) înainte de fit și predict. Explicația completă → Mediu Repară tu ValueError: Incompatible dimension for X and Y matrices: X.shape[1] == 3 while Y.shape[1] == 2 Funcțiile de distanță și similaritate (cosine_similarity, euclidean_distances, pairwise_distances) compară vectori cu același număr de coloane, iar ai tăi au număr diferit. Construiește ambele matrici din aceleași coloane, în aceeași ordine, de exemplu cu reindex(columns=...). Explicația completă → Mediu Repară tu ValueError: operands could not be broadcast together with shapes (3,2) (3,) Ai înmulțit (sau adunat) două array-uri numpy ale căror forme nu se potrivesc, de exemplu un X cu 2 coloane și un vector de 3 ponderi. Pentru predicții liniare folosește produsul matricial X @ w, iar numărul de ponderi trebuie să fie egal cu numărul de coloane din X. Explicația completă → Mediu Repară tu ValueError: shapes (4,2) and (4,) not aligned: 2 (dim 1) != 4 (dim 0) np.dot (sau X @ v) cere ca numărul de coloane ale primului array să fie egal cu numărul de rânduri ale celui de-al doilea, iar aici 2 nu e egal cu 4. La gradient descent, gradientul se calculează cu X.T @ erori, nu cu X @ erori. Explicația completă → Ușor Repară tu ValueError: Found array with 0 feature(s) (shape=(4, 0)) while a minimum of 1 is required by LinearRegression. X are rânduri, dar nicio coloană: selecția trăsăturilor a lăsat tabelul gol. De obicei select_dtypes("number") a eliminat coloanele citite ca text, sau drop a scos prea mult. Afișează X.shape și X.columns înainte de fit și convertește coloanele la numere. Explicația completă → Ușor Repară tu ValueError: y_true and y_pred have different number of output (1!=2) Metrica de regresie a primit o țintă cu o coloană și predicții cu două (sau invers). Cel mai des ai dat metricii X_test în loc de model.predict(X_test). Verifică argumentele: mean_squared_error(y_test, y_pred), cu ambele având aceeași formă. Explicația completă → Ușor Repară tu IndexError: too many indices for array: array is 1-dimensional, but 2 were indexed Ai indexat cu două poziții, de exemplu p[:, 1], un array care are o singură dimensiune. În ML se întâmplă când scrii model.predict(X)[:, 1] în loc de model.predict_proba(X)[:, 1], sau X[:, 0] pe un vector. Verifică forma cu .shape și folosește funcția care întoarce un tabel. Explicația completă → Ușor Repară tu ValueError: Length of values (3) does not match length of index (10) Încerci să pui într-o coloană a unui DataFrame o listă sau un array cu alt număr de elemente decât rândurile tabelului. În ML apare aproape mereu când pui predicțiile pe setul de test într-o coloană a tabelului complet. Pune predicțiile într-un tabel cu același număr de rânduri, de exemplu în copia lui X_test. Explicația completă → Mediu Repară tu InvalidIndexError: (slice(None, None, None), 0) Ai scris `X[:, 0]` pe un DataFrame pandas, dar sintaxa cu virgulă funcționează doar pe array-uri numpy. Pe DataFrame folosește `X.iloc[:, 0]` (după poziție) sau `X["coloana"]` (după nume), ori transformă întâi în numpy cu `X.to_numpy()`. Explicația completă → Ușor Repară tu ValueError: Data must be 1-dimensional, got ndarray of shape (4, 2) instead Încerci să faci o Series pandas (sau o coloană) dintr-un array 2D, de obicei din rezultatul lui `predict_proba`, care are câte o coloană pentru fiecare clasă. Alege coloana de care ai nevoie, de exemplu `proba[:, 1]` pentru probabilitatea clasei pozitive. Explicația completă → Ușor Repară tu TypeError: Input should have at least 1 dimension i.e. satisfy `len(x.shape) > 0`, got scalar `array(5)` instead. Ai dat un singur număr (un scalar) unei funcții scikit-learn care așteaptă o colecție de valori, de exemplu lui `train_test_split`, unei metrici sau lui `cross_val_score`. De obicei ai pus `len(y)`, o medie sau o singură predicție în loc de listă. Dă lista sau array-ul întreg. Explicația completă →

Antrenare și predicție (fit / predict)

Ușor Repară tu NotFittedError: This LinearRegression instance is not fitted yet. Call 'fit' with appropriate arguments before using this estimator. Ai apelat predict, transform sau score pe un model (sau scaler) care încă n-a fost antrenat. Apelează întâi fit(X, y) pe același obiect, apoi predict. Verifică să nu fi creat un obiect nou între timp sau să fi antrenat altă variabilă. Explicația completă → Mediu Repară tu ValueError: The feature names should match those that were passed during fit. Modelul a fost antrenat pe un DataFrame cu anumite coloane, iar la predict primește coloane cu alte nume sau în altă ordine. Construiește datele noi cu exact aceleași nume de coloane, în aceeași ordine, de exemplu cu X_nou[model.feature_names_in_]. Explicația completă → Ușor Repară tu UserWarning: X does not have valid feature names, but LinearRegression was fitted with feature names Ai antrenat modelul pe un DataFrame (cu nume de coloane), dar la predict i-ai dat o listă sau un tablou numpy, fără nume. E doar un avertisment. Dă la predict tot un DataFrame cu aceleași coloane, de exemplu pd.DataFrame({'suprafata': [70]}). Explicația completă → Ușor Repară tu TypeError: LinearRegression.fit() missing 1 required positional argument: 'y' Ai apelat fit doar cu X, fără țintă. Modelele supervizate (regresie, clasificare) au nevoie de ambele: model.fit(X, y). Doar modelele nesupervizate (KMeans, PCA, StandardScaler) se antrenează cu fit(X). Explicația completă → Ușor Repară tu AttributeError: 'LinearRegression' object has no attribute 'coef_' Atributele cu underscore la final (coef_, intercept_, classes_, feature_importances_) există doar după fit. Antrenează modelul înainte să le citești. Dacă modelul e antrenat, verifică numele atributului: unele modele nu au coef_ (de exemplu arborii). Explicația completă → Mediu Repară tu AttributeError: 'LinearRegression' object has no attribute 'predict_proba' predict_proba există doar la clasificatori care estimează probabilități (LogisticRegression, arbori, k-NN, Naive Bayes). LinearRegression prezice numere, nu clase. Pentru probabilități folosește LogisticRegression; la SVC pornește probability=True. Explicația completă → Ușor Repară tu AttributeError: 'numpy.ndarray' object has no attribute 'columns' transform și fit_transform (StandardScaler, SimpleImputer, OneHotEncoder) întorc un tablou numpy, nu un DataFrame, deci nu mai ai .columns, .loc sau nume de coloane. Refă DataFrame-ul cu pd.DataFrame(X, columns=X_vechi.columns) sau cere ieșire pandas cu set_output(transform="pandas"). Explicația completă → Mediu Repară tu TypeError: Feature names are only supported if all input features have string names, but your input has ['int', 'str'] as feature name / column name types. DataFrame-ul dat modelului are coloane cu nume de tipuri diferite: unele text ("suprafata"), altele numere (0, 1, 2), de obicei după un pd.concat cu rezultatul unui encoder. Dă nume text tuturor coloanelor, de exemplu cu get_feature_names_out(), sau X.columns = X.columns.astype(str). Explicația completă → Mediu Repară tu AttributeError: 'Pipeline' object has no attribute 'feature_importances_' feature_importances_ aparține modelului (de exemplu RandomForestClassifier), nu Pipeline-ului care îl conține. Ia ultimul pas cu pipe[-1] sau pipe.named_steps["model"] și citește atributul de acolo; la GridSearchCV, folosește grid.best_estimator_. Explicația completă → Ușor Repară tu AttributeError: 'GridSearchCV' object has no attribute 'best_params_' best_params_, best_score_ și best_estimator_ apar abia după ce rulezi căutarea cu grid.fit(X, y). Ai creat GridSearchCV (sau RandomizedSearchCV), dar n-ai apelat fit, ori l-ai apelat pe alt obiect. Apelează fit înainte să citești rezultatele. Explicația completă → Mediu Repară tu TypeError: LogisticRegression.__sklearn_tags__() missing 1 required positional argument: 'self' Ai dat lui cross_val_score, GridSearchCV sau unui Pipeline clasa modelului (LogisticRegression) în loc de un obiect (LogisticRegression()). Pune parantezele: scikit-learn are nevoie de o instanță, pe care o poate configura și copia. Explicația completă → Ușor Repară tu AttributeError: 'LogisticRegression' object has no attribute 'transform' Modelele (clasificatori, regresori) nu au transform: ele prezic cu predict. transform există doar la transformatoare, cum sunt StandardScaler, OneHotEncoder sau PCA. Folosește model.predict(X), sau aplică transform pe scaler, nu pe model. Explicația completă → Ușor Repară tu TypeError: 'numpy.ndarray' object is not callable Ai pus paranteze după ceva care e un array, nu o funcție. În scikit-learn, atributele învățate (coef_, intercept_, classes_, feature_importances_) sunt valori, nu metode: scrie model.coef_, fără (). Apare și când suprascrii o funcție cu un array, de exemplu predict = model.predict(X). Explicația completă → Mediu Repară tu PicklingError: Can't pickle <function <lambda> at 0x7f3a2c1e5d00>: it's not found as __main__.<lambda> Modelul sau pipeline-ul pe care vrei să-l salvezi cu pickle sau joblib conține o funcție lambda, iar pickle nu poate salva funcții fără nume. Înlocuiește lambda cu o funcție numpy (np.log1p) sau cu o funcție definită cu def într-un modul importabil. Explicația completă → Ușor Repară tu TypeError: LinearModel.predict() takes 2 positional arguments but 3 were given Ai dat lui `predict` două argumente, de obicei `model.predict(X_test, y_test)`. `predict` primește doar datele de intrare și întoarce predicțiile; etichetele reale le folosești separat, la metrică. Scrie `pred = model.predict(X_test)` și apoi `accuracy_score(y_test, pred)` sau `model.score(X_test, y_test)`. Explicația completă → Mediu Repară tu ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all() Ai pus un array cu mai multe valori într-un `if` sau într-o condiție (`and`, `or`), de obicei rezultatul lui `model.predict(...)` pe mai multe rânduri. Python nu știe dacă vrei „toate” sau „măcar una”. Parcurge predicțiile una câte una, folosește `np.where`, sau `.any()` / `.all()` dacă asta vrei de fapt. Explicația completă → Ușor Repară tu TypeError: only 0-dimensional arrays can be converted to Python scalars Ai pus rezultatul lui `predict` (un array, chiar și cu o singură valoare) direct în `float()`, `int()` sau `round()`. Ia întâi elementul: `model.predict(x)[0]`, sau folosește `.item()` când ai exact o valoare. Pentru mai multe valori, folosește `.round()` sau `.tolist()` pe tot array-ul. Explicația completă → Ușor Repară tu TypeError: unsupported format string passed to numpy.ndarray.__format__ Ai formatat un array numpy cu `:.2f` într-un f-string, de obicei `model.coef_` sau rezultatul lui `predict`. Formatul `.2f` merge doar pentru un singur număr. Ia elementul (`model.coef_[0]`) sau rotunjește tot array-ul cu `np.round(...)` / `.round(2)` și afișează-l fără format. Explicația completă → Ușor Repară tu InvalidParameterError: The 'y_pred' parameter of r2_score must be an array-like. Got LinearRegression() instead. Ai dat metricii modelul în loc de predicții, de exemplu `r2_score(y_test, model)`. Metricile compară două liste de valori: cele reale și cele prezise. Calculează întâi `pred = model.predict(X_test)` și scrie `r2_score(y_test, pred)`. Explicația completă → Ușor Repară tu FileNotFoundError: [Errno 2] No such file or directory: 'model.joblib' `joblib.load` (sau `pickle.load`) nu găsește fișierul modelului la calea dată: nu a fost salvat, are alt nume sau scriptul rulează din alt folder. Verifică numele, salvează modelul întâi cu `joblib.dump(model, "model.joblib")` și folosește o cale absolută sau relativă la script. Explicația completă →

Etichete, clasificare și metrici

Ușor Repară tu ValueError: Unknown label type: continuous. Maybe you are trying to fit a classifier, which expects discrete classes on a regression target with continuous values. Ai dat unui clasificator o țintă cu valori continue (prețuri, note cu zecimale), iar el așteaptă clase. Dacă vrei să prezici un număr, folosește un model de regresie (LinearRegression, DecisionTreeRegressor); dacă vrei clase, transformă ținta în categorii, de exemplu cu un prag. Explicația completă → Mediu Repară tu ValueError: Classification metrics can't handle a mix of binary and continuous targets Ai dat unei metrici de clasificare (accuracy_score, f1_score, confusion_matrix) probabilități sau scoruri în loc de clase. Compară y_true cu model.predict(X), nu cu predict_proba, sau transformă probabilitățile în clase cu un prag (p >= 0.5). Explicația completă → Mediu Repară tu ValueError: This solver needs samples of at least 2 classes in the data, but the data contains only one class: np.int64(1) Datele de antrenare conțin o singură clasă (de exemplu doar 1), deci clasificatorul n-are între ce să aleagă. Verifică ținta cu y.value_counts(): de obicei un filtru, o sortare sau o împărțire fără stratify a lăsat în train o singură clasă. Explicația completă → Mediu Repară tu ValueError: Target is multiclass but average='binary'. Please choose another average setting, one of [None, 'micro', 'macro', 'weighted']. Ai calculat precision, recall sau F1 pe o problemă cu mai mult de două clase, iar implicit aceste funcții presupun două clase. Alege explicit cum se face media: average='macro' (toate clasele la fel), 'weighted' (după numărul de exemple) sau None (scor pe fiecare clasă). Explicația completă → Ușor Repară tu ValueError: pos_label=1 is not a valid label. It should be one of ['da', 'nu'] Etichetele tale sunt texte ('da', 'nu'), dar metrica (precision_score, recall_score, f1_score) caută implicit clasa pozitivă 1. Spune-i care e clasa pozitivă: pos_label='da', sau transformă etichetele în 0/1. Explicația completă → Greu Repară tu UndefinedMetricWarning: Precision is ill-defined and being set to 0.0 due to no predicted samples. Use `zero_division` parameter to control this behavior. Modelul n-a prezis niciodată clasa pozitivă, deci precizia ar fi 0 împărțit la 0; scikit-learn o pune 0 și te avertizează. Cauza reală e de obicei un model care prezice doar clasa majoritară. Echilibrează clasele (class_weight='balanced', prag mai mic) și setează zero_division explicit. Explicația completă → Ușor Repară tu ValueError: y contains previously unseen labels: 'premium' LabelEncoder a fost antrenat (fit) pe o listă de etichete, iar la transform a primit o etichetă pe care n-a văzut-o. Antrenează-l pe toate etichetele posibile (de exemplu pe y întreg, înainte de împărțire); pentru coloane de intrare folosește OneHotEncoder(handle_unknown="ignore"). Explicația completă → Mediu Repară tu TypeError: LabelEncoder.fit_transform() takes 2 positional arguments but 3 were given Ai pus LabelEncoder într-un Pipeline sau ColumnTransformer. Acolo fiecare pas primește fit_transform(X, y), dar LabelEncoder acceptă un singur argument, pentru că e făcut doar pentru ținta y. Pentru coloanele din X folosește OneHotEncoder sau OrdinalEncoder. Explicația completă → Mediu Repară tu ValueError: Unknown label type: unknown. Maybe you are trying to fit a classifier, which expects discrete classes on a regression target with continuous values. Ținta y are tipul object (numere ținute ca obiecte Python), iar clasificatorul nu-și dă seama ce fel de etichete sunt. Apare des după df.values pe un tabel cu coloane text. Convertește ținta explicit: y = y.astype(int) sau ia y direct din coloana DataFrame-ului. Explicația completă → Mediu Repară tu UndefinedMetricWarning: Only one class is present in y_true. ROC AUC score is not defined in that case. Setul pe care calculezi ROC AUC conține o singură clasă (de exemplu doar clienți care n-au plecat), iar AUC compară pozitivi cu negativi, deci nu are sens. Împarte datele cu stratify=y sau folosește StratifiedKFold, ca fiecare parte să aibă ambele clase. Explicația completă → Mediu Repară tu ValueError: multi_class must be in ('ovo', 'ovr') Calculezi roc_auc_score pe o problemă cu mai mult de două clase fără să spui cum să fie combinate clasele. Adaugă multi_class="ovr" (fiecare clasă contra restului) sau "ovo" (perechi de clase) și dă-i toate coloanele din predict_proba. Explicația completă → Ușor Repară tu ValueError: Number of classes, 3, does not match size of target_names, 2. Try specifying the labels parameter Ai dat lui classification_report o listă target_names cu alt număr de nume decât clasele găsite în y_true și y_pred. Pune câte un nume pentru fiecare clasă, în ordinea sortată a claselor, sau dă și labels=[...] ca să alegi exact ce clase apar în raport. Explicația completă → Greu Repară tu ValueError: y_true and y_prob contain different number of classes: 3 vs 2. Please provide the true labels explicitly through the labels argument. log_loss primește probabilități pentru un alt număr de clase decât găsește în y_true, de obicei pentru că testul nu conține toate clasele pe care le știe modelul. Dă explicit lista claselor: log_loss(y_test, proba, labels=model.classes_). Explicația completă → Mediu Repară tu ValueError: continuous format is not supported roc_auc_score (sau o altă metrică de clasificare) a primit ca y_true valori zecimale. De obicei ai inversat argumentele: ordinea corectă este roc_auc_score(y_true, scoruri), cu etichetele reale primele și probabilitățile pe locul doi. Explicația completă → Ușor Repară tu ValueError: Mix of label input types (string and number) Etichetele reale și cele prezise au tipuri diferite: unele sunt text ("1", "da"), altele numere (1). confusion_matrix și classification_report nu pot compara "1" cu 1. Adu ambele la același tip, de exemplu cu astype(int) sau cu un map de la text la număr. Explicația completă → Ușor Repară tu ValueError: y_true takes value in {'ham', 'spam'} and pos_label is not specified: either make y_true take value in {0, 1} or {-1, 1} or pass pos_label explicitly. Etichetele sunt texte (de exemplu 'ham' și 'spam'), iar roc_curve sau precision_recall_curve nu știu care e clasa pozitivă. Spune-le explicit cu pos_label="spam", sau codifică ținta cu 0 și 1. Explicația completă → Mediu Repară tu ValueError: y_true contains only one label (1). Please provide the list of all expected class labels explicitly through the labels argument. log_loss a primit valori reale dintr-o singură clasă, așa că nu știe ce reprezintă probabilitățile. Dă lista tuturor claselor cu labels=[0, 1], sau evaluează pe un set de test care conține ambele clase (de exemplu cu stratify). Explicația completă → Ușor Repară tu ValueError: The classes, [0, 1], are not in class_weight Cheile din dicționarul class_weight nu sunt clasele reale din y. De exemplu, y are 0 și 1, dar ai scris {"da": 5, "nu": 1}. Folosește exact etichetele din y (vezi np.unique(y)), sau class_weight="balanced". Explicația completă → Ușor Repară tu ValueError: At least one label specified must be in y_true Lista labels dată lui confusion_matrix nu conține nicio etichetă care să apară în y_true. De obicei etichetele reale sunt texte ("da", "nu") și ai scris labels=[0, 1], sau invers. Pune în labels exact valorile din y, în ordinea dorită. Explicația completă → Mediu Repară tu IndexError: index 1 is out of bounds for axis 1 with size 1 `predict_proba(X)[:, 1]` cere a doua coloană, dar modelul a văzut la antrenare o singură clasă, deci `predict_proba` are o singură coloană. De obicei setul de antrenare a ieșit fără nicio clasă pozitivă. Împarte cu `stratify=y`, verifică `model.classes_` și alege coloana după clasă, nu după poziție. Explicația completă → Ușor Repară tu ValueError: The sum of the priors should be 1. Probabilitățile a priori date lui `GaussianNB(priors=...)` nu adună 1. Fiecare valoare e probabilitatea unei clase înainte de a vedea datele, deci suma trebuie să fie exact 1. Corectează valorile (de exemplu `[0.7, 0.3]`) sau lasă `priors=None`, ca modelul să le calculeze din date. Explicația completă →

Împărțirea datelor și validarea încrucișată

Mediu Repară tu ValueError: The least populated classes in y have only 1 member, which is too few. The minimum number of groups for any class cannot be less than 2. Ai folosit train_test_split cu stratify=y, iar o clasă apare o singură dată, deci nu poate fi pusă și în train, și în test. Adună mai multe exemple pentru clasa rară, unește-o cu o clasă înrudită sau elimină rândul ei înainte de împărțire. Explicația completă → Mediu Repară tu ValueError: With n_samples=1, test_size=0.3 and train_size=None, the resulting train set will be empty. Adjust any of the aforementioned parameters. train_test_split a primit prea puține rânduri (aici unul singur), așa că după ce pune deoparte setul de test nu mai rămâne nimic pentru antrenare. De obicei un filtru a lăsat aproape nimic în tabel (o greșeală de scriere, majuscule, spații) sau ai împărțit un subset prea mic. Explicația completă → Ușor Repară tu ValueError: test_size=30 should be either positive and smaller than the number of samples 10 or a float in the (0, 1) range Ai dat test_size un număr care nu are sens: aici 30 (probabil voiai 30%), dar datele au doar 10 rânduri. test_size acceptă fie o fracție între 0 și 1 (0.3 = 30%), fie un număr întreg de rânduri mai mic decât totalul. Explicația completă → Mediu Repară tu ValueError: n_splits=5 cannot be greater than the number of members in each class. Ai cerut validare încrucișată stratificată cu mai multe fold-uri decât exemple are fiecare clasă (de exemplu 5 fold-uri, dar 3 exemple pe clasă). Micșorează n_splits (sau cv) la cel mult numărul de exemple din clasa cea mai mică, sau adună mai multe date. Explicația completă → Ușor Repară tu ValueError: Setting a random_state has no effect since shuffle is False. You should leave random_state to its default (None), or set shuffle=True. Ai dat random_state lui KFold sau StratifiedKFold fără shuffle=True. Fără amestecare, împărțirea în părți e mereu aceeași, deci random_state nu are ce controla. Adaugă shuffle=True (de obicei asta ai vrut) sau scoate random_state. Explicația completă → Mediu Repară tu ValueError: All the 5 fits failed. It is very likely that your model is misconfigured. cross_val_score, cross_validate sau GridSearchCV au încercat să antreneze modelul pe fiecare parte, iar toate antrenările au dat eroare. Citește mai jos, în același mesaj, secțiunea „fits failed with the following error”: acolo e eroarea reală (de exemplu un text în X sau un parametru greșit). Explicația completă → Ușor Repară tu TypeError: Parameter grid for parameter 'C' needs to be a list or a numpy array, but got 1.0 (of type float) instead. Single values need to be wrapped in a list with one element. În grila lui GridSearchCV, fiecare parametru trebuie să aibă o listă de valori de încercat, chiar dacă vrei o singură valoare. Scrie {"C": [1.0]} sau {"C": [0.1, 1, 10]}, nu {"C": 1.0}. Explicația completă → Mediu Repară tu UserWarning: Scoring failed. The score on this train-test partition for these parameters will be set to nan. În timpul validării (cross_val_score, GridSearchCV), modelul s-a antrenat, dar calculul scorului pe o parte de test a dat eroare, așa că scorul e nan. Citește eroarea din „Details” de sub avertisment: de obicei un parametru prea mare pentru partea de train (n_neighbors) sau o metrică nepotrivită. Explicația completă → Mediu Repară tu ValueError: Supported target types are: ('binary', 'multiclass'). Got 'continuous' instead. Ai folosit StratifiedKFold (sau StratifiedShuffleSplit) pe o țintă continuă, de exemplu prețuri. Stratificarea păstrează proporția claselor, deci are nevoie de clase. La regresie folosește KFold(n_splits=5, shuffle=True, random_state=0). Explicația completă → Ușor Repară tu ValueError: too many values to unpack (expected 2, got 4) train_test_split(X, y) întoarce patru valori (X_train, X_test, y_train, y_test), dar tu le-ai despachetat în două variabile. Scrie toate patru, în ordinea asta: X_train, X_test, y_train, y_test = train_test_split(X, y). Explicația completă → Ușor Repară tu ValueError: The test_size = 1 should be greater or equal to the number of classes = 2 Cu stratify=y, fiecare clasă trebuie să apară cel puțin o dată în setul de test, dar testul are mai puține exemple decât clase. Mărește test_size (de exemplu 0.3 în loc de 0.1) sau adună mai multe date. Explicația completă → Ușor Repară tu ValueError: k-fold cross-validation requires at least one train/test split by setting n_splits=2 or more, got n_splits=1. Validarea încrucișată împarte datele în n_splits bucăți și folosește pe rând fiecare bucată ca test, deci are nevoie de cel puțin 2. Cu n_splits=1 nu ar rămâne nimic pentru antrenare. Folosește n_splits=2 sau mai mult (de obicei 5), sau train_test_split pentru o singură împărțire. Explicația completă → Mediu Repară tu ValueError: The 'groups' parameter should not be None. Ai folosit GroupKFold (sau LeaveOneGroupOut, GroupShuffleSplit), care împarte datele după grupuri, dar nu i-ai dat grupurile. Trimite groups=... la split sau la cross_val_score, de exemplu id-ul clientului pentru fiecare rând. Explicația completă → Ușor Repară tu UserWarning: The total space of parameters 4 is smaller than n_iter=10. Running 4 iterations. For exhaustive searches, use GridSearchCV. RandomizedSearchCV trebuie să încerce n_iter combinații, dar grila ta are mai puține, deci le încearcă pe toate o singură dată. Micșorează n_iter, dă distribuții continue (de exemplu loguniform pentru C) sau folosește direct GridSearchCV. Explicația completă → Mediu Repară tu ValueError: For multi-metric scoring, the parameter refit must be set to a scorer key or a callable to refit an estimator with the best parameter setting on the whole data and make the best_* attributes available for that metric. Ai dat lui GridSearchCV mai multe metrici în scoring, dar nu i-ai spus după care să aleagă cel mai bun model. Setează refit cu numele unei metrici (de exemplu refit="f1"), sau refit=False dacă vrei doar tabelul de rezultate. Explicația completă → Ușor Repară tu InvalidParameterError: The 'scoring' parameter of cross_val_score must be a str among {...}, a callable or None. Got 'f1_scor' instead. Numele metricii din `scoring=` nu există în scikit-learn: e scris greșit sau nu e numele de scorer (de exemplu `f1_scor`, `accuracy_score`, `mse`). Folosește un nume din `sklearn.metrics.get_scorer_names()`, cum ar fi `"f1"`, `"accuracy"`, `"roc_auc"` sau `"neg_mean_squared_error"`. Explicația completă → Mediu Repară tu ValueError: Stratified train/test split is not implemented for shuffle=False Ai cerut la `train_test_split` și `stratify=y`, și `shuffle=False`, iar cele două nu merg împreună: ca să păstreze proporția claselor, funcția trebuie să amestece rândurile. Alege una: dacă datele nu au ordine în timp, scoate `shuffle=False`; dacă au (serii de timp), scoate `stratify` și împarte cronologic. Explicația completă →

Encodere, ColumnTransformer și Pipeline

Mediu Repară tu ValueError: Found unknown categories ['Iasi'] in column 0 during transform OneHotEncoder a văzut la fit doar anumite categorii, iar la transform (pe test sau pe date noi) apare una nouă, aici 'Iasi'. Creează encoderul cu handle_unknown='ignore', ca valorile noi să devină un rând de zerouri, sau antrenează-l pe date care conțin toate categoriile. Explicația completă → Mediu Repară tu TypeError: All intermediate steps should be transformers and implement fit and transform or be the string 'passthrough' 'LogisticRegression()' (type <class 'sklearn.linear_model._logistic.LogisticRegression'>) doesn't Într-un Pipeline, toți pașii în afară de ultimul trebuie să fie transformatori (scaler, encoder, imputer), iar modelul trebuie să fie ultimul. Aici modelul a fost pus înaintea scaler-ului. Mută modelul la final: Pipeline([('scaler', StandardScaler()), ('model', LogisticRegression())]). Explicația completă → Mediu Repară tu ValueError: A given column is not a column of the dataframe Ai dat unui ColumnTransformer o listă de coloane în care cel puțin un nume nu există în DataFrame (greșeală de scriere, diacritice, spații, coloană redenumită). Compară lista cu df.columns.tolist() și corectează numele. Explicația completă → Mediu Repară tu ValueError: Invalid parameter 'C' for estimator Pipeline(steps=[('scaler', StandardScaler()), ('model', LogisticRegression())]). Valid parameters are: ['memory', 'steps', 'transform_input', 'verbose']. Ai dat lui GridSearchCV (sau lui set_params) un parametru al modelului direct pipeline-ului. Într-un pipeline, parametrii pașilor se scriu cu numele pasului și două underscore-uri: 'model__C' în loc de 'C'. Explicația completă → Ușor Repară tu ValueError: Specifying the columns using strings is only supported for dataframes. ColumnTransformer are coloanele date după nume ("varsta", "oras"), dar a primit un tablou numpy, care nu are nume de coloane. Dă-i DataFrame-ul (df, nu df.values sau df.to_numpy()), sau, dacă lucrezi cu numpy, indică coloanele prin poziție: [0, 2]. Explicația completă → Mediu Repară tu TypeError: All estimators should implement fit and transform, or can be 'drop' or 'passthrough' specifiers. 'LogisticRegression()' (type <class 'sklearn.linear_model._logistic.LogisticRegression'>) doesn't. Ai pus un model (LogisticRegression, LinearRegression...) în interiorul unui ColumnTransformer. ColumnTransformer acceptă doar transformere (scalere, encodere, imputere), "drop" sau "passthrough". Pune modelul după el, într-un Pipeline: make_pipeline(ct, LogisticRegression()). Explicația completă → Mediu Repară tu ValueError: Pipeline.fit does not accept the sample_weight parameter. You can pass parameters to specific steps of your pipeline using the stepname__parameter format, e.g. `Pipeline.fit(X, y, logisticregression__sample_weight=sample_weight)`. Pipeline.fit nu știe căruia dintre pași îi este destinat sample_weight. Trimite-l explicit pasului modelului, cu numele lui urmat de două liniuțe jos: pipe.fit(X, y, model__sample_weight=w) sau, la make_pipeline, logisticregression__sample_weight=w. Explicația completă → Mediu Repară tu TypeError: Sparse data was passed for X, but dense data is required. Use '.toarray()' to convert to a dense numpy array. Modelul (de exemplu GaussianNB, HistGradientBoosting, PCA) acceptă doar tablouri obișnuite, dar a primit o matrice rară (sparse) de la CountVectorizer, TfidfVectorizer sau OneHotEncoder. Convertește cu X.toarray(), setează sparse_output=False la encoder sau alege un model care acceptă matrici rare (MultinomialNB, LogisticRegression). Explicația completă → Mediu Repară tu ValueError: Cannot center sparse matrices: pass `with_mean=False` instead. See docstring for motivation and alternatives. StandardScaler încearcă să scadă media din fiecare coloană, dar pe o matrice rară (de la TfidfVectorizer, CountVectorizer, OneHotEncoder) asta ar transforma toate zerourile în valori nenule. Folosește StandardScaler(with_mean=False) sau MaxAbsScaler, ori renunță la scalare pentru TF-IDF. Explicația completă → Ușor Repară tu TypeError: cannot unpack non-iterable StandardScaler object Pipeline primește o listă de perechi (nume, pas), iar tu i-ai dat pașii fără nume. Scrie Pipeline([("scaler", StandardScaler()), ("model", LogisticRegression())]), sau folosește make_pipeline(StandardScaler(), LogisticRegression()), care pune numele singur. Explicația completă → Ușor Repară tu ValueError: columns are missing: {'oras'} ColumnTransformer (sau un Pipeline care îl conține) a fost antrenat cu o coloană care lipsește din DataFrame-ul primit la predict sau transform. Verifică numele coloanelor datelor noi: trebuie să existe toate coloanele de la fit, cu aceleași nume. Explicația completă → Ușor Repară tu ValueError: Names provided are not unique: ['model', 'model'] Doi pași din Pipeline (sau din ColumnTransformer, FeatureUnion, VotingClassifier) au același nume. Numele trebuie să fie unice, pentru că după ele accesezi pașii și setezi parametrii (model__C). Dă fiecărui pas un nume diferit. Explicația completă → Mediu Repară tu ValueError: Shape mismatch: if categories is an array, it has to be of shape (n_features,). Parametrul categories al lui OneHotEncoder sau OrdinalEncoder trebuie să aibă câte o listă pentru fiecare coloană, chiar dacă ai o singură coloană. Scrie categories=[["mic", "mediu", "mare"]] (listă de liste), nu categories=["mic", "mediu", "mare"]. Explicația completă → Ușor Repară tu TypeError: unknown_value should be an integer or np.nan when handle_unknown is 'use_encoded_value', got None. Ai setat OrdinalEncoder(handle_unknown="use_encoded_value"), dar nu ai spus ce cod primesc categoriile necunoscute. Adaugă unknown_value, de obicei -1 sau np.nan: OrdinalEncoder(handle_unknown="use_encoded_value", unknown_value=-1). Explicația completă → Ușor Repară tu ValueError: Pandas output does not support sparse data. Set sparse_output=False to output pandas dataframes or disable Pandas output via` ohe.set_output(transform="default"). Ai cerut rezultat ca DataFrame (set_output(transform="pandas")), dar OneHotEncoder produce implicit o matrice rară (sparse), pe care pandas nu o acceptă aici. Setează OneHotEncoder(sparse_output=False), sau renunță la ieșirea pandas. Explicația completă → Mediu Repară tu ValueError: The output of the 'num' transformer should be 2D (numpy array, scipy sparse array, dataframe). Un transformator din ColumnTransformer a întors un rezultat 1D (de exemplu o serie pandas sau un vector), iar ColumnTransformer are nevoie de tabele 2D ca să le lipească. În FunctionTransformer, selectează coloanele cu x[["col"]] sau întoarce un DataFrame, nu x["col"]. Explicația completă → Mediu Repară tu AttributeError: Estimator functiontransformer does not provide get_feature_names_out. Did you mean to call pipeline[:-1].get_feature_names_out()? Un pas din pipeline nu știe să spună numele coloanelor pe care le produce, de obicei un FunctionTransformer. Dă-i feature_names_out="one-to-one" (dacă păstrează coloanele) sau o funcție care întoarce numele. Dacă ultimul pas e modelul, cere numele de la pipeline[:-1]. Explicația completă → Mediu Repară tu ValueError: No valid specification of the columns. Only a scalar, list or slice of all integers or all strings, or boolean mask is allowed Lista de coloane dată unui pas din `ColumnTransformer` amestecă nume (text) cu poziții (numere), de exemplu `["varsta", 2]`, sau are un tip pe care scikit-learn nu-l acceptă. Folosește ori doar nume de coloane, ori doar poziții, în fiecare listă. Explicația completă → Mediu Repară tu ValueError: fill_value='lipsa' (of type <class 'str'>) cannot be cast to the input data that is dtype('float64'). If fill_value is a Python scalar, instead pass a numpy scalar (e.g. fill_value=np.uint8(0) if your data is of type np.uint8). Make sure that both dtypes are of the same kind. Ai pus `SimpleImputer(strategy="constant", fill_value="lipsa")` pe coloane numerice: un text nu poate completa o coloană de numere. Folosește imputere separate în `ColumnTransformer`: pentru numere `strategy="median"` (sau un `fill_value` numeric), pentru text `fill_value="lipsa"`. Explicația completă → Mediu Repară tu ValueError: Shape of passed values is (4, 3), indices imply (4, 1) Construiești un DataFrame dintr-un array cu alt număr de coloane decât numele date în `columns=`. În ML apare des după `OneHotEncoder` sau `ColumnTransformer`, care produc mai multe coloane decât ai dat la intrare. Folosește `columns=encoder.get_feature_names_out()`. Explicația completă → Ușor Repară tu UserWarning: n_quantiles (1000) is greater than the total number of samples (6). n_quantiles is set to n_samples. `QuantileTransformer` are implicit `n_quantiles=1000`, dar datele tale au mai puține rânduri, așa că scikit-learn reduce singur numărul de cuantile și te avertizează. Rezultatul e corect; ca să scapi de avertisment, dă explicit `n_quantiles` cel mult egal cu numărul de rânduri din train. Explicația completă →

Modele: convergență, k-NN, k-means

Mediu Repară tu ConvergenceWarning: lbfgs failed to converge after 100 iteration(s) (status=1): STOP: TOTAL NO. OF ITERATIONS REACHED LIMIT Algoritmul de optimizare al regresiei logistice (lbfgs) s-a oprit la limita de iterații înainte să găsească soluția. E un avertisment, modelul tot e antrenat, dar poate fi slab. Scalează datele cu StandardScaler și, dacă e nevoie, mărește max_iter (de exemplu 1000). Explicația completă → Ușor Repară tu ValueError: Expected n_neighbors <= n_samples_fit, but n_neighbors = 5, n_samples_fit = 3, n_samples = 1 k-NN caută 5 vecini (valoarea implicită), dar a fost antrenat pe doar 3 exemple. Alege n_neighbors cel mult egal cu numărul de rânduri de antrenare (de exemplu n_neighbors=3) sau antrenează pe mai multe date. Explicația completă → Ușor Repară tu ValueError: n_samples=3 should be >= n_clusters=4. Ai cerut lui KMeans mai multe grupuri (n_clusters) decât puncte ai în date: fiecare grup are nevoie de cel puțin un punct. Micșorează n_clusters sau verifică dacă X are cu adevărat atâtea rânduri câte crezi (de exemplu că nu e transpus). Explicația completă → Mediu Repară tu ValueError: n_components=3 must be between 0 and min(n_samples, n_features)=2 with svd_solver='full' Ai cerut PCA mai multe componente decât permit datele: numărul de componente nu poate depăși nici numărul de caracteristici, nici numărul de rânduri. Micșorează n_components, de exemplu la 2, sau dă o proporție (n_components=0.95) ca să păstrezi 95% din varianță. Explicația completă → Mediu Repară tu ValueError: Negative values in data passed to MultinomialNB (input X). MultinomialNB lucrează cu numărări și frecvențe (de câte ori apare un cuvânt), care nu pot fi negative. Valorile negative vin de obicei de la StandardScaler pus înaintea lui. Scoate scalerul, folosește MinMaxScaler sau alege GaussianNB pentru date numerice obișnuite. Explicația completă → Mediu Repară tu ConvergenceWarning: Number of distinct clusters (2) found smaller than n_clusters (3). Possibly due to duplicate points in X. Ai cerut lui KMeans mai multe grupuri decât puncte diferite există în date (de exemplu 3 grupuri, dar doar 2 valori distincte, repetate). Scade n_clusters la numărul de puncte distincte sau verifică datele: rânduri duplicate, coloane constante ori o scalare care a făcut valorile identice. Explicația completă → Ușor Repară tu ValueError: Number of labels is 1. Valid values are 2 to n_samples - 1 (inclusive) silhouette_score (sau calinski_harabasz_score, davies_bouldin_score) a primit etichete cu un singur grup. Scorul compară grupurile între ele, deci are nevoie de cel puțin 2 și de cel mult n_samples - 1. Pornește bucla de alegere a lui k de la 2: range(2, 8). Explicația completă → Mediu Repară tu ValueError: Solver lbfgs supports only 'l2' or None penalties, got l1 penalty. Ai cerut regularizare L1 (penalty="l1" sau l1_ratio=1) unei regresii logistice cu solverul implicit lbfgs, care știe doar L2. Alege un solver care suportă L1: solver="liblinear" (date mici, două clase) sau solver="saga" (date mari, cu scalare). Explicația completă → Ușor Repară tu UserWarning: Features [2] are constant. Coloana cu indicele din mesaj are aceeași valoare pe toate rândurile, deci testul statistic al lui SelectKBest (f_classif, f_regression) nu poate calcula un scor pentru ea. Scoate coloanele constante înainte, de exemplu cu VarianceThreshold(). Explicația completă → Ușor Repară tu UserWarning: k=5 is greater than n_features=3. All the features will be returned. Ai cerut lui SelectKBest să păstreze k coloane, dar datele au mai puține, așa că le întoarce pe toate. Alege un k mai mic decât numărul de coloane, sau k="all" dacă vrei intenționat toate coloanele (de exemplu într-o grilă). Explicația completă → Mediu Repară tu ValueError: Unsupported set of arguments: The combination of penalty='l1' and loss='squared_hinge' are not supported when dual=True, Parameters: penalty='l1', loss='squared_hinge', dual=True LinearSVC nu poate rezolva penalizarea L1 în forma „duală” a problemei. Setează dual=False (sau lasă dual="auto", valoarea implicită în versiunile noi), ori folosește penalty="l2". Explicația completă → Mediu Repară tu ValueError: Mean Squared Logarithmic Error cannot be used when targets contain values less than or equal to -1. Eroarea logaritmică (MSLE, RMSLE) calculează log(1 + y), care nu există pentru y ≤ -1. De obicei vinovate sunt predicțiile: o regresie liniară poate prezice valori negative. Taie predicțiile la zero cu np.clip(y_pred, 0, None), sau folosește altă metrică (MAE, RMSE). Explicația completă → Ușor Repară tu UndefinedMetricWarning: R^2 score is not well-defined with less than two samples. Ai calculat R² pe un singur exemplu, iar R² compară eroarea modelului cu variația valorilor reale, care la un singur exemplu nu există. Rezultatul e nan. Evaluează pe un set de test cu mai multe exemple, sau folosește o metrică precum MAE. Explicația completă → Mediu Repară tu AttributeError: 'DBSCAN' object has no attribute 'predict' `DBSCAN` (ca și `AgglomerativeClustering`) nu are `predict`: grupează doar punctele pe care le primește la `fit` și nu știe să încadreze puncte noi. Ia etichetele cu `fit_predict(X)` sau din `model.labels_`; pentru puncte noi folosește `KMeans` sau un clasificator antrenat pe etichetele găsite. Explicația completă → Ușor Repară tu ValueError: perplexity (30.0) must be less than n_samples (10) `TSNE` are implicit `perplexity=30`, care înseamnă aproximativ „câți vecini contează pentru fiecare punct”, dar setul tău are mai puține rânduri. Alege o perplexitate mai mică decât numărul de rânduri, de obicei între 5 și 50 și mult sub n_samples, de exemplu `TSNE(perplexity=3)` pentru 10 puncte. Explicația completă → Ușor Repară tu ValueError: feature_names must contain 3 elements, got 2 Lista `feature_names` dată lui `export_text` (sau `plot_tree`) are alt număr de nume decât trăsăturile pe care s-a antrenat arborele. Dă exact câte un nume pentru fiecare coloană din `X`, în aceeași ordine, de exemplu `feature_names=list(X.columns)`. Explicația completă → Mediu Repară tu ValueError: Metric 'cosine' not valid. Use sorted(sklearn.neighbors.VALID_METRICS['kd_tree']) to get valid options. Metric can also be a callable function. Ai cerut la k-NN algoritmul `kd_tree` (sau `ball_tree`) împreună cu metrica `cosine`, pe care aceste structuri nu o suportă. Lasă `algorithm="auto"` sau pune `algorithm="brute"`, care acceptă `cosine`; ori păstrează arborele și alege o metrică suportată, de exemplu `euclidean`. Explicația completă →

Parametri, versiuni și importuri

Ușor Repară tu TypeError: LogisticRegression.__init__() got an unexpected keyword argument 'max_iters' Ai dat modelului un parametru care nu există, aici max_iters (corect: max_iter). De obicei e o greșeală de scriere sau un parametru din altă bibliotecă ori dintr-o versiune veche. Verifică numele în documentație sau cu Model().get_params(). Explicația completă → Ușor Repară tu TypeError: OneHotEncoder.__init__() got an unexpected keyword argument 'sparse' Parametrul sparse al lui OneHotEncoder a fost redenumit sparse_output în scikit-learn 1.2 și eliminat în 1.4. Codul vine dintr-un tutorial mai vechi. Scrie OneHotEncoder(sparse_output=False). Explicația completă → Ușor Repară tu InvalidParameterError: The 'max_depth' parameter of DecisionTreeClassifier must be an int in the range [1, inf) or None. Got 0 instead. Parametrul are o valoare nepermisă: max_depth trebuie să fie un întreg de la 1 în sus sau None (fără limită), iar tu ai dat 0. Mesajul îți spune exact ce valori sunt acceptate; alege una din interval. Explicația completă → Ușor Repară tu ModuleNotFoundError: No module named 'sklearn.cross_validation' Modulul sklearn.cross_validation a fost eliminat de mult (în scikit-learn 0.20). train_test_split, cross_val_score, KFold și GridSearchCV se importă acum din sklearn.model_selection. Schimbă importul: from sklearn.model_selection import train_test_split. Explicația completă → Ușor Repară tu ImportError: `load_boston` has been removed from scikit-learn since version 1.2. Setul de date Boston Housing a fost scos din scikit-learn în versiunea 1.2, din cauza unei probleme etice a unei variabile. Folosește alt set de date: fetch_california_housing pentru prețuri de locuințe sau load_diabetes, inclus direct în bibliotecă, pentru exerciții de regresie. Explicația completă → Ușor Repară tu TypeError: got an unexpected keyword argument 'squared' Parametrul squared al lui mean_squared_error (folosit cu squared=False pentru RMSE) a fost scos în scikit-learn 1.6. Folosește funcția nouă: from sklearn.metrics import root_mean_squared_error și rmse = root_mean_squared_error(y_true, y_pred). Explicația completă → Ușor Repară tu ImportError: cannot import name 'plot_confusion_matrix' from 'sklearn.metrics' plot_confusion_matrix, plot_roc_curve și plot_precision_recall_curve au fost scoase în scikit-learn 1.2. Folosește clasele Display: ConfusionMatrixDisplay.from_estimator(model, X_test, y_test) sau ConfusionMatrixDisplay.from_predictions(y_test, y_pred). Explicația completă → Ușor Repară tu ImportError: cannot import name 'joblib' from 'sklearn.externals' Copia lui joblib inclusă în scikit-learn a fost scoasă în versiunea 0.23. Importă direct pachetul: import joblib, apoi joblib.dump(model, "model.joblib") și joblib.load("model.joblib"). joblib se instalează automat odată cu scikit-learn. Explicația completă → Ușor Repară tu TypeError: LogisticRegression.__init__() got an unexpected keyword argument 'multi_class' Parametrul multi_class al lui LogisticRegression a fost scos în scikit-learn 1.8 (era învechit din 1.5). Șterge-l: pentru mai multe clase, modelul folosește oricum varianta multinomială. Dacă ai nevoie de „una contra restului”, folosește OneVsRestClassifier(LogisticRegression()). Explicația completă → Ușor Repară tu FutureWarning: 'penalty' was deprecated in version 1.8 and will be removed in 1.10. To avoid this warning, leave 'penalty' set to its default value and use 'l1_ratio' or 'C' instead. În scikit-learn 1.8, parametrul penalty al lui LogisticRegression e învechit. Regularizarea se alege acum cu l1_ratio (0 = L2, 1 = L1) și cu C (C=np.inf = fără regularizare). Șterge penalty=... și folosește echivalentul din mesaj. Explicația completă → Ușor Repară tu ImportError: cannot import name 'Imputer' from 'sklearn.preprocessing' Clasa Imputer a fost scoasă din scikit-learn (în versiunea 0.22). Înlocuitorul ei este SimpleImputer, din modulul sklearn.impute: from sklearn.impute import SimpleImputer. Parametrul axis nu mai există, iar missing_values="NaN" devine np.nan. Explicația completă → Ușor Repară tu TypeError: LinearRegression.__init__() got an unexpected keyword argument 'normalize' Parametrul normalize a fost scos din LinearRegression, Ridge, Lasso și celelalte modele liniare în scikit-learn 1.2. Pune scalarea ca pas separat, într-un pipeline: make_pipeline(StandardScaler(), LinearRegression()). Explicația completă → Ușor Repară tu TypeError: BaggingClassifier.__init__() got an unexpected keyword argument 'base_estimator' Parametrul base_estimator a fost redenumit estimator (în scikit-learn 1.2), iar numele vechi a dispărut în 1.4. Scrie BaggingClassifier(estimator=DecisionTreeClassifier()); la fel pentru AdaBoostClassifier, BaggingRegressor și CalibratedClassifierCV. Explicația completă → Ușor Repară tu ImportError: IterativeImputer is experimental and the API might change without any deprecation cycle. To use it, you need to explicitly import enable_iterative_imputer: IterativeImputer e o funcție experimentală și trebuie activată înainte de import. Pune întâi from sklearn.experimental import enable_iterative_imputer, apoi from sklearn.impute import IterativeImputer. La fel pentru HalvingGridSearchCV, cu enable_halving_search_cv. Explicația completă → Ușor Repară tu ImportError: cannot import name 'SCORERS' from 'sklearn.metrics' Dicționarul `SCORERS` a fost scos din scikit-learn în versiunea 1.3, așa că importul din cod sau tutoriale mai vechi nu mai merge. Pentru lista de nume folosește `from sklearn.metrics import get_scorer_names`, iar pentru un scorer anume `get_scorer("f1")`. Explicația completă →

Text: CountVectorizer și TF-IDF

Mediu Repară tu ValueError: empty vocabulary; perhaps the documents only contain stop words CountVectorizer sau TfidfVectorizer n-a găsit niciun cuvânt în texte: toate au fost goale, eliminate ca stop words sau prea scurte (implicit, un cuvânt are minimum 2 caractere). Afișează textele exact cum ajung la vectorizer și verifică curățarea, stop_words și token_pattern. Explicația completă → Ușor Repară tu ValueError: np.nan is an invalid document, expected byte or unicode string. Coloana de text dată lui CountVectorizer sau TfidfVectorizer are valori lipsă (NaN). Vectorizerul acceptă doar texte. Completează lipsurile cu text gol, df["text"].fillna(""), sau elimină rândurile fără text înainte de fit. Explicația completă → Ușor Repară tu ValueError: Iterable over raw text documents expected, string object received. Ai dat vectorizerului (sau unui Pipeline cu vectorizer) un singur text, ca șir, în loc de o listă de texte. Pune textul într-o listă: vec.transform(["mesajul nou"]) sau pipe.predict(["mesajul nou"]). Explicația completă → Mediu Repară tu AttributeError: 'list' object has no attribute 'lower' CountVectorizer sau TfidfVectorizer a primit documente care sunt liste de cuvinte (texte deja împărțite în tokeni), dar se aștepta la texte întregi, pe care le transformă singur în litere mici și le împarte. Lipește cuvintele la loc cu " ".join(tokeni) sau dă-i analyzer=lambda doc: doc. Explicația completă → Mediu Repară tu ValueError: After pruning, no terms remain. Try a lower min_df or a higher max_df. CountVectorizer sau TfidfVectorizer a eliminat toate cuvintele: niciun cuvânt nu apare în suficiente documente pentru min_df, sau toate apar în prea multe pentru max_df. Coboară min_df (de exemplu la 2 sau 1) ori ridică max_df. Explicația completă → Mediu Repară tu ValueError: max_df corresponds to < documents than min_df Setările min_df și max_df ale vectorizatorului se contrazic: după ce le transformă în număr de documente, max_df e mai mic decât min_df, deci niciun cuvânt nu le poate respecta pe amândouă. De obicei min_df e un întreg prea mare pentru câte documente ai. Coboară min_df sau ridică max_df. Explicația completă → Ușor Repară tu TypeError: sparse array length is ambiguous; use getnnz() or shape[0] Ai apelat len() pe o matrice rară (sparse), de exemplu rezultatul lui TfidfVectorizer sau OneHotEncoder. Pentru numărul de rânduri folosește X.shape[0], iar pentru numărul de valori diferite de zero, X.nnz. Explicația completă → Mediu Repară tu UserWarning: Your stop_words may be inconsistent with your preprocessing. Tokenizing the stop words generated tokens ['nu'] not in stop_words. Lista ta de cuvinte de eliminat (stop_words) conține termeni pe care vectorizatorul îi taie altfel, de exemplu „nu-i” devine „nu”, iar „nu” nu e în listă, deci rămâne în vocabular. Scrie stop words exact cum arată după tokenizare: litere mici, fără cratimă, minimum două litere. Explicația completă → Ușor Repară tu NotFittedError: Vocabulary not fitted or provided Ai apelat `transform` (sau `get_feature_names_out`) pe un `CountVectorizer` care încă nu a învățat vocabularul. Fă întâi `fit` sau `fit_transform` pe textele de antrenare, apoi `transform` pe cele noi, cu același obiect. Explicația completă → Ușor Repară tu ValueError: Duplicate term in vocabulary: 'oferta' Lista dată în `CountVectorizer(vocabulary=[...])` sau `TfidfVectorizer(vocabulary=[...])` conține același cuvânt de două ori. Fiecare cuvânt din vocabular trebuie să aibă o singură coloană. Elimină dublurile, păstrând ordinea, de exemplu cu `list(dict.fromkeys(cuvinte))`. Explicația completă → Ușor Repară tu UserWarning: The parameter 'token_pattern' will not be used since 'tokenizer' is not None' Ai dat vectorizatorului propriul `tokenizer`, deci `token_pattern` (expresia regulată implicită pentru cuvinte) e ignorat, iar scikit-learn te avertizează. Dacă vrei tokenizatorul tău, adaugă `token_pattern=None`; dacă vrei doar altă regulă pentru cuvinte, renunță la `tokenizer` și schimbă `token_pattern`. Explicația completă →

Erori explicate la alte tehnologii

← Toate erorile explicate

Tudor Andrei Dumitrescu
Cine coordonează paginile

Tudor Andrei Dumitrescu

Senior Software Developer · fondatorul Academiei Programatorilor

LinkedIn
  1. 2019 Junior JavaCognizant Softvision
  2. 2021 Mid JavaCognizant Softvision
  3. 2022 Team LeaderEndava
  4. 2023 Senior Software DeveloperUniCredit
  5. Acum Senior Software DeveloperHCLTech
Certificat de absolvire Instructor / Preparator formare, Tudor Andrei Dumitrescu
Certificat de formator autorizatMinisterul Muncii și Ministerul Educației · 2022
Certificat de absolvire Instructor / Preparator formare, Tudor Andrei Dumitrescu

Certificat de formator autorizat · Ministerul Muncii și Ministerul Educației · 2022

Din 2020 construiește Academia Programatorilor, iar din 2026 și JoburiIT.ro. Fiecare eroare de aici a fost reprodusă în editorul nostru: codul greșit chiar dă mesajul din titlu, iar reparația chiar funcționează.

Învață Machine Learning de la zero, cu exerciții la fiecare lecție

Curs Machine Learning și AI pentru începători: lecții scurte, fiecare cu un exercițiu verificat automat, direct în browser. Primele 15 lecții sunt gratuite.