...
Eroare Machine Learning · Împărțirea datelor și validarea încrucișată

ValueError: k-fold cross-validation requires at least one train/test split by setting n_splits=2 or more, got n_splits=1.

Pe scurt

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.

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

Ce înseamnă

KFold, StratifiedKFold și GroupKFold împart datele în n_splits părți egale. La fiecare rundă, o parte e test și restul antrenare. Cu o singură parte, toate datele ar fi test și nimic antrenare, așa că scikit-learn refuză încă de la crearea obiectului.

Greșeala vine de obicei din două confuzii: ai vrut o singură împărțire train/test (pentru asta e train_test_split), sau ai crezut că n_splits e procentul de test, ca la ShuffleSplit (n_splits=1, test_size=0.2 e valid acolo, pentru că ShuffleSplit nu împarte în părți egale).

Cu cross_val_score(model, X, y, cv=1) primești un mesaj de validare de parametru, nu acesta, dar cauza e aceeași: cv trebuie să fie cel puțin 2.

De ce apare: cauzele frecvente

1Ai vrut o singură împărțire

Greșit
PYTHON
kf = KFold(n_splits=1)
Corect
PYTHON
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

Pentru o singură împărțire, train_test_split e unealta potrivită.

2Ai vrut validare încrucișată

Greșit
PYTHON
cv = StratifiedKFold(n_splits=1, shuffle=True, random_state=0)
Corect
PYTHON
cv = StratifiedKFold(n_splits=5, shuffle=True, random_state=0)

Cu 5 părți, fiecare exemplu e folosit o dată la test și de 4 ori la antrenare.

3Ai confundat cu ShuffleSplit

Greșit
PYTHON
cv = KFold(n_splits=1)  # voiam 20% test, o data
Corect
PYTHON
cv = ShuffleSplit(n_splits=1, test_size=0.2, random_state=0)

ShuffleSplit alege aleator testul la fiecare rundă, deci acceptă și o singură rundă.

Repară tu

Repară eroarea, direct în pagină

Codul de mai jos dă ValueError: k-fold cross-validation requires at least one train/test split, pentru că KFold are o singură parte. Folosește 4 părți, ca programul să afișeze scorurile celor 4 runde și media lor.

Codul care dă eroarea
PYTHON
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import KFold, cross_val_score

X = [[i] for i in range(1, 13)]
y = [3 * i + 2 for i in range(1, 13)]

cv = KFold(n_splits=1, shuffle=True, random_state=0)
scoruri = cross_val_score(LinearRegression(), X, y, cv=cv)
print("Scoruri:", [round(float(s), 3) for s in scoruri])
print("Media:", round(float(scoruri.mean()), 3))
După reparație, programul afișează
Scoruri: [1.0, 1.0, 1.0, 1.0]
Media: 1.0
Indiciu

Scrie KFold(n_splits=4, shuffle=True, random_state=0).

Alte forme ale mesajului

  • ValueError: k-fold cross-validation requires at least one train/test split by setting n_splits=2 or more, got n_splits=0.
  • InvalidParameterError: The 'cv' parameter of cross_val_score must be an int in the range [2, inf), an object implementing 'split' and 'get_n_splits', an iterable or None. Got 1 instead.

Cum o eviți pe viitor

Folosește n_splits=5 ca punct de plecare și coboară la 3 doar pe date foarte mici. Pentru o singură împărțire, rămâi la train_test_split. Dacă numărul de părți vine dintr-o variabilă (de exemplu calculat din numărul de exemple), pune un minim: max(2, ...).

Întrebări frecvente

Câte părți să aleg?

5 sau 10 sunt alegerile obișnuite. Mai multe părți înseamnă antrenare pe mai multe date la fiecare rundă, dar și mai multe antrenări.

Pot avea n_splits egal cu numărul de exemple?

Da, asta e leave-one-out (există și clasa LeaveOneOut). E util pe date foarte mici, dar unele metrici nu au sens cu un singur exemplu la test.

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.