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).
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
Scorul siluetă măsoară, pentru fiecare punct, cât de aproape e de propriul grup față de cel mai apropiat alt grup. Cu un singur grup nu există „alt grup”, iar cu câte un grup pentru fiecare punct nu există „propriul grup” cu alți membri. De aceea funcția acceptă doar un număr de etichete distincte între 2 și n_samples - 1, iar mesajul îți spune câte a găsit: Number of labels is 1.
Cazul clasic: alegi numărul de grupuri cu o buclă for k in range(1, 8), copiată de la metoda cotului (unde inerția pentru k = 1 are sens), și calculezi și silueta în aceeași buclă. Alte cauze: DBSCAN care a pus toate punctele în același grup (sau toate ca zgomot, -1) și un fit pe date unde toate rândurile sunt identice. Afișează len(set(etichete)) înainte de scor.
De ce apare: cauzele frecvente
1Bucla pentru k pornește de la 1
for k in range(1, 6):
et = KMeans(n_clusters=k, n_init=10).fit_predict(X)
print(k, silhouette_score(X, et))for k in range(2, 6):
et = KMeans(n_clusters=k, n_init=10).fit_predict(X)
print(k, silhouette_score(X, et))Silueta are sens doar de la 2 grupuri în sus. Pentru k = 1 poți calcula doar inerția.
2DBSCAN a găsit un singur grup
et = DBSCAN(eps=50).fit_predict(X)
silhouette_score(X, et)et = DBSCAN(eps=0.5).fit_predict(X_scalat)
if len(set(et)) > 1:
print(silhouette_score(X_scalat, et))Un eps prea mare (sau date nescalate) unește toate punctele. Verifică numărul de grupuri înainte de scor.
3Câte un grup pentru fiecare punct
et = KMeans(n_clusters=len(X), n_init=10).fit_predict(X)
silhouette_score(X, et)et = KMeans(n_clusters=len(X) - 1, n_init=10).fit_predict(X)
silhouette_score(X, et)Numărul maxim de grupuri pentru siluetă este n_samples - 1. În practică, k e mult mai mic decât numărul de puncte.
Repară eroarea, direct în pagină
Codul de mai jos dă ValueError: Number of labels is 1. Valid values are 2 to n_samples - 1 (inclusive), pentru că bucla încearcă și k = 1. Repară bucla, ca să încerce 2, 3 și 4 grupuri, iar programul să afișeze scorul siluetă pentru fiecare și k-ul cel mai bun.
from sklearn.cluster import KMeans
from sklearn.metrics import silhouette_score
# trei grupuri de clienti: (comenzi pe luna, suma medie)
X = [[1, 1], [1.5, 1.2], [1.2, 0.8], [5, 5], [5.5, 5.2], [5.2, 4.8], [9, 1], [9.5, 1.3], [9.2, 0.9]]
scoruri = {}
for k in range(1, 5):
et = KMeans(n_clusters=k, n_init=10, random_state=0).fit_predict(X)
scoruri[k] = round(silhouette_score(X, et), 2)
print("Scoruri:", scoruri)
print("Cel mai bun k:", max(scoruri, key=scoruri.get))Scoruri: {2: 0.62, 3: 0.92, 4: 0.74}
Cel mai bun k: 3Indiciu
Folosește range(2, 5).
Reparația
from sklearn.cluster import KMeans
from sklearn.metrics import silhouette_score
# trei grupuri de clienti: (comenzi pe luna, suma medie)
X = [[1, 1], [1.5, 1.2], [1.2, 0.8], [5, 5], [5.5, 5.2], [5.2, 4.8], [9, 1], [9.5, 1.3], [9.2, 0.9]]
scoruri = {}
for k in range(2, 5):
et = KMeans(n_clusters=k, n_init=10, random_state=0).fit_predict(X)
scoruri[k] = round(float(silhouette_score(X, et)), 2)
print("Scoruri:", scoruri)
print("Cel mai bun k:", max(scoruri, key=scoruri.get))De ce merge
Cu k = 1, toate punctele au aceeași etichetă, iar silueta nu are cu ce grup să compare, de aici eroarea. Bucla pornește acum de la 2. Datele au trei grupuri clare, deci scorul e cel mai mare pentru k = 3: punctele sunt aproape de grupul lor și departe de celelalte. La k = 4, un grup real e rupt în două, iar scorul scade.
Alte forme ale mesajului
ValueError: Number of labels is 6. Valid values are 2 to n_samples - 1 (inclusive)ValueError: Number of labels is 1. Valid values are 2 to n_samples - 1 (inclusive).
Cum o eviți pe viitor
Separă cele două metode de alegere a lui k: metoda cotului (inerția) poate porni de la 1, silueta de la 2. Când folosești DBSCAN sau alte metode care decid singure numărul de grupuri, verifică len(set(etichete)) și exclude zgomotul (-1) dacă vrei scorul doar pe punctele grupate.
Întrebări frecvente
Ce valori are scorul siluetă?
Între -1 și 1. Aproape de 1 înseamnă grupuri compacte și bine separate, în jur de 0 grupuri care se suprapun, iar negativ că multe puncte par să fie în grupul greșit.
Merge silueta și pentru DBSCAN?
Da, dacă există cel puțin două grupuri. Punctele de zgomot primesc eticheta -1 și sunt tratate ca un grup separat, deci uneori e mai corect să calculezi scorul fără ele.
Erori înrudite
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). 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. 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. 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.
