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()).
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
Mesajul spune că constructorul LogisticRegression(...) nu mai are parametrul multi_class. Până de curând, scriai multi_class="multinomial" sau multi_class="ovr" ca să alegi cum tratează modelul problemele cu mai mult de două clase. În versiunea 1.5 parametrul a fost marcat ca învechit (cu un FutureWarning), iar acum a dispărut.
Comportamentul implicit este cel multinomial (o singură regresie softmax pentru toate clasele), adică exact ce obțineai cu multi_class="multinomial". Deci, în cele mai multe cazuri, doar ștergi parametrul. Dacă codul vechi folosea "ovr", varianta nouă este OneVsRestClassifier(LogisticRegression()) din sklearn.multiclass, care antrenează câte un model binar pentru fiecare clasă. Atenție: în GridSearchCV, cheia "multi_class" din grilă dă altă eroare, Invalid parameter.
De ce apare: cauzele frecvente
1Codul vechi cu multinomial
model = LogisticRegression(multi_class="multinomial", max_iter=1000)model = LogisticRegression(max_iter=1000)Multinomial este acum comportamentul implicit pentru mai multe clase, deci parametrul nu mai e necesar.
2Codul vechi cu ovr
model = LogisticRegression(multi_class="ovr")from sklearn.multiclass import OneVsRestClassifier
model = OneVsRestClassifier(LogisticRegression())OneVsRestClassifier antrenează câte o regresie logistică binară pentru fiecare clasă, ca vechiul "ovr".
3Parametrul pus într-o grilă
grila = {"C": [0.1, 1], "multi_class": ["ovr", "multinomial"]}grila = {"C": [0.1, 1]}Parametrii care nu mai există nu pot fi căutați. Compară separat, dacă vrei, cu un OneVsRestClassifier.
Repară eroarea, direct în pagină
Codul de mai jos dă TypeError: LogisticRegression.__init__() got an unexpected keyword argument 'multi_class'. Repară constructorul modelului (comportamentul multinomial e acum implicit), ca programul să afișeze clasele și specia prezisă pentru două flori noi.
from sklearn.linear_model import LogisticRegression
# lungimea petalei (cm) -> specia
X = [[1.4], [1.3], [1.5], [4.5], [4.7], [4.0], [5.8], [6.0], [5.5]]
y = ["setosa", "setosa", "setosa", "versicolor", "versicolor", "versicolor", "virginica", "virginica", "virginica"]
model = LogisticRegression(multi_class="multinomial", max_iter=1000).fit(X, y)
print("Clase:", [str(c) for c in model.classes_])
print("Predictii:", [str(p) for p in model.predict([[1.6], [5.9]])])Clase: ['setosa', 'versicolor', 'virginica'] Predictii: ['setosa', 'virginica']
Indiciu
Șterge multi_class="multinomial", din LogisticRegression(...).
Reparația
from sklearn.linear_model import LogisticRegression
# lungimea petalei (cm) -> specia
X = [[1.4], [1.3], [1.5], [4.5], [4.7], [4.0], [5.8], [6.0], [5.5]]
y = ["setosa", "setosa", "setosa", "versicolor", "versicolor", "versicolor", "virginica", "virginica", "virginica"]
model = LogisticRegression(max_iter=1000).fit(X, y)
print("Clase:", [str(c) for c in model.classes_])
print("Predictii:", [str(p) for p in model.predict([[1.6], [5.9]])])De ce merge
Parametrul multi_class nu mai există în scikit-learn 1.8. Pentru trei clase, regresia logistică folosește oricum varianta multinomială (softmax), deci fără parametru obții același model. Floarea cu petala de 1,6 cm seamănă cu setosa, iar cea de 5,9 cm cu virginica.
Alte forme ale mesajului
TypeError: __init__() got an unexpected keyword argument 'multi_class'
Cum o eviți pe viitor
Când actualizezi scikit-learn, citește avertismentele FutureWarning din versiunea dinainte: ele anunță exact ce parametri vor dispărea. Rulează-ți codul o dată cu warnings.simplefilter("error", FutureWarning), ca să găsești toate locurile de schimbat. Fixează versiunea în requirements.txt. La codul copiat din tutoriale, verifică întâi versiunea de scikit-learn pentru care a fost scris.
Întrebări frecvente
Se schimbă rezultatele dacă șterg multi_class="multinomial"?
Nu, pentru că varianta multinomială e acum cea implicită. Dacă ștergi multi_class="ovr", rezultatele se pot schimba puțin, de aceea pentru „ovr” folosește OneVsRestClassifier.
Care e diferența dintre multinomial și ovr?
Multinomial antrenează un singur model care împarte probabilitatea între toate clasele (softmax). OvR antrenează câte un model „clasa asta sau nu” pentru fiecare clasă și apoi compară scorurile.
Erori înrudite
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(). 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. 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'. 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.
