...
Eroare Machine Learning · Modele: convergență, k-NN, k-means

ValueError: Expected n_neighbors <= n_samples_fit, but n_neighbors = 5, n_samples_fit = 3, n_samples = 1

Pe scurt

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.

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

Ce înseamnă

KNeighborsClassifier și KNeighborsRegressor nu învață coeficienți: la predicție caută cele mai apropiate n_neighbors puncte din datele de antrenare (implicit 5). Dacă la fit au primit mai puține puncte decât vecini ceruți, căutarea e imposibilă. Mesajul îți dă toate numerele: câți vecini ai cerut (n_neighbors), câte puncte are modelul (n_samples_fit) și câte exemple vrei să prezici (n_samples).

Eroarea apare la predict sau kneighbors, nu la fit. Situații tipice: exemple de învățare cu foarte puține date, un set de antrenare prea mic după train_test_split sau după un filtru, ori validare încrucișată pe un set mic, unde fiecare fold de antrenare are mai puține puncte decât k. Și NearestNeighbors().kneighbors(n_neighbors=...) dă aceeași eroare.

De ce apare: cauzele frecvente

1Valoarea implicită k = 5 pe un set mic

Greșit
PYTHON
knn = KNeighborsClassifier().fit(X_train, y_train)  # 3 rânduri
knn.predict(X_nou)
Corect
PYTHON
knn = KNeighborsClassifier(n_neighbors=3).fit(X_train, y_train)
knn.predict(X_nou)

Cu 3 puncte de antrenare, poți căuta cel mult 3 vecini.

2k ales înainte de împărțire

Greșit
PYTHON
k = 10
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.5)  # 12 rânduri
KNeighborsClassifier(n_neighbors=k).fit(X_train, y_train).predict(X_test)
Corect
PYTHON
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.5)
k = min(5, len(X_train))
KNeighborsClassifier(n_neighbors=k).fit(X_train, y_train).predict(X_test)

Numărul de vecini se raportează la setul de antrenare, care e mai mic decât tot setul de date.

Repară tu

Repară eroarea, direct în pagină

Codul de mai jos dă ValueError: Expected n_neighbors <= n_samples_fit, but n_neighbors = 5, n_samples_fit = 4, n_samples = 1, pentru că k-NN folosește implicit 5 vecini, iar fructele cunoscute sunt doar 4. Repară clasificatorul: folosește 3 vecini, ca programul să afișeze fructul prezis pentru unul nou.

Codul care dă eroarea
PYTHON
from sklearn.neighbors import KNeighborsClassifier

# greutate (g), diametru (cm)
X = [[150, 7.5], [170, 8.0], [120, 6.0], [115, 5.8]]
y = ["mar", "mar", "lamaie", "lamaie"]

knn = KNeighborsClassifier()
knn.fit(X, y)
print("Fruct nou:", knn.predict([[160, 7.8]])[0])
După reparație, programul afișează
Fruct nou: mar
Indiciu

Creează modelul cu KNeighborsClassifier(n_neighbors=3).

Alte forme ale mesajului

  • ValueError: Expected n_neighbors <= n_samples_fit, but n_neighbors = 10, n_samples_fit = 6, n_samples = 6
  • ValueError: Expected n_neighbors <= n_samples, but n_samples = 3, n_neighbors = 5

Cum o eviți pe viitor

Alege n_neighbors după mărimea setului de antrenare: pentru seturi mici, valori între 1 și numărul de exemple dintr-o clasă; pentru seturi mari, alege-l prin validare încrucișată. Când cauți k cu GridSearchCV, ține minte că fiecare fold de antrenare are mai puține rânduri decât tot setul. Un k impar evită egalitățile de voturi la două clase.

Întrebări frecvente

Ce k să aleg?

Nu există un k universal. Un k mic urmează foarte îndeaproape datele (risc de supraantrenare), unul mare netezește deciziile. Încearcă mai multe valori cu cross_val_score sau GridSearchCV și alege-o pe cea cu cel mai bun scor mediu.

De ce eroarea apare la predict și nu la fit?

Pentru că fit la k-NN doar memorează datele. Căutarea vecinilor, unde e nevoie de cel puțin k puncte, are loc abia la predicție.

Erori înrudite

← Toate erorile Machine Learning

Tudor Andrei Dumitrescu
Cine a explicat eroarea

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.