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.
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
La două clase, precision, recall și F1 se calculează pentru o clasă pozitivă: cea pe care vrei s-o „prinzi” (spam, fraudă, client care pleacă). Implicit, scikit-learn consideră pozitivă clasa 1. Dacă etichetele tale sunt texte, de exemplu 'da' și 'nu', clasa 1 nu există, iar mesajul îți arată ce etichete a găsit, ca să alegi una.
Apare des după ce lucrezi cu date citite dintr-un CSV, unde ținta e text ('spam'/'ham', 'Yes'/'No'), sau când ai codat clasele ca 1 și 2 în loc de 0 și 1. Reparația e simplă: fie dai pos_label explicit, fie transformi ținta în 0/1 înainte de antrenare, ceea ce face și restul codului mai simplu.
De ce apare: cauzele frecvente
1Etichete text, pos_label implicit
print(recall_score(y_test, y_pred)) # 'da' / 'nu'print(recall_score(y_test, y_pred, pos_label="da"))pos_label="da" spune metricii pentru ce clasă calculează recall-ul.
2Ținta transformată în 0/1 de la început
y = df["a_plecat"] # 'da' / 'nu'y = (df["a_plecat"] == "da").astype(int)Cu ținta 0/1, clasa pozitivă implicită 1 este exact „a plecat”, iar toate metricile merg fără parametri în plus.
3Clase codate 1 și 2
f1_score([1, 2, 2, 1], [1, 2, 1, 1], pos_label=0)f1_score([1, 2, 2, 1], [1, 2, 1, 1], pos_label=2)pos_label trebuie să fie una dintre valorile care apar efectiv în etichete.
Repară eroarea, direct în pagină
Codul de mai jos dă ValueError: pos_label=1 is not a valid label. It should be one of ['da', 'nu'], pentru că etichetele sunt texte. Repară-l: indică metricilor că clasa pozitivă este "da" (clientul a plecat), ca programul să afișeze precizia și recall-ul.
from sklearn.metrics import precision_score, recall_score
y_real = ["da", "nu", "nu", "da", "da", "nu", "nu", "da", "nu", "nu"]
y_pred = ["da", "nu", "da", "da", "nu", "nu", "nu", "da", "nu", "da"]
print("Precizie:", round(precision_score(y_real, y_pred), 2))
print("Recall:", round(recall_score(y_real, y_pred), 2))Precizie: 0.6 Recall: 0.75
Indiciu
Adaugă pos_label="da" la precision_score și la recall_score.
Reparația
from sklearn.metrics import precision_score, recall_score
y_real = ["da", "nu", "nu", "da", "da", "nu", "nu", "da", "nu", "nu"]
y_pred = ["da", "nu", "da", "da", "nu", "nu", "nu", "da", "nu", "da"]
print("Precizie:", round(precision_score(y_real, y_pred, pos_label="da"), 2))
print("Recall:", round(recall_score(y_real, y_pred, pos_label="da"), 2))De ce merge
Precizia și recall-ul se calculează pentru o singură clasă, iar implicit aceea este 1, care nu apare în etichete. Cu pos_label="da", metricile se uită la clienții care au plecat: modelul a spus „da” de 5 ori și a avut dreptate de 3 ori (precizie 0.6), iar din cei 4 care au plecat cu adevărat a prins 3 (recall 0.75). Dacă ai transforma ținta în 0/1, cu 1 pentru „da”, nu ai mai avea nevoie de parametru.
Alte forme ale mesajului
ValueError: pos_label=1 is not a valid label. It should be one of ['ham', 'spam']ValueError: pos_label=1 is not a valid label. It should be one of ['No', 'Yes']
Cum o eviți pe viitor
Decide de la început care e clasa pozitivă și transform-o în 1 ((y == "da").astype(int)), ca să nu mai repeți pos_label peste tot. Dacă păstrezi etichetele text, scrie pos_label explicit la fiecare metrică binară. Verifică etichetele cu sorted(set(y)). Dacă lucrezi cu classification_report, nu ai nevoie de pos_label: raportul afișează scorurile pentru fiecare clasă.
Întrebări frecvente
Contează ce clasă aleg ca pozitivă?
Da. Precision și recall pentru „da” sunt alte numere decât pentru „nu”. Alege clasa pe care modelul trebuie s-o detecteze, de obicei cea rară și importantă.
accuracy_score are nevoie de pos_label?
Nu. Acuratețea compară doar predicțiile cu etichetele reale, fără o clasă pozitivă.
Erori înrudite
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). 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. 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.
