...
Eroare Machine Learning · Etichete, clasificare și metrici

ValueError: This solver needs samples of at least 2 classes in the data, but the data contains only one class: np.int64(1)

Pe scurt

Datele de antrenare conțin o singură clasă (de exemplu doar 1), deci clasificatorul n-are între ce să aleagă. Verifică ținta cu y.value_counts(): de obicei un filtru, o sortare sau o împărțire fără stratify a lăsat în train o singură clasă.

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

Ce înseamnă

Un clasificator învață să deosebească clasele între ele. Dacă în datele de antrenare există o singură clasă (toți clienții au fost aprobați, toate emailurile sunt spam), nu există nimic de deosebit, iar LogisticRegression și SVC se opresc cu mesajul acesta. Valoarea de la final este clasa unică găsită (np.int64(1) înseamnă clasa 1, scrisă în formatul numpy).

Rareori datele chiar au o singură clasă. De cele mai multe ori ai pierdut cealaltă clasă pe drum: ai filtrat rândurile (df[df["aprobat"] == 1]), ai împărțit un tabel sortat după țintă fără shuffle sau ai luat primele rânduri cu head(); ori, cu foarte puține date și clase rare, train_test_split a pus toate exemplele rare în test. În validarea încrucișată poate apărea doar la unele fold-uri.

De ce apare: cauzele frecvente

1Tabel sortat după țintă, împărțit fără amestecare

Greșit
PYTHON
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.5, shuffle=False)
LogisticRegression().fit(X_train, y_train)
Corect
PYTHON
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.5, stratify=y, random_state=0)
LogisticRegression().fit(X_train, y_train)

Cu shuffle=False, prima jumătate a unui tabel sortat are o singură clasă. stratify=y păstrează proporția claselor în ambele părți.

2Filtru care a eliminat o clasă

Greșit
PYTHON
activi = df[df["a_plecat"] == 0]
LogisticRegression().fit(activi[["vechime"]], activi["a_plecat"])
Corect
PYTHON
LogisticRegression().fit(df[["vechime"]], df["a_plecat"])

Modelul trebuie să vadă și clienții care au plecat, și pe cei care au rămas, ca să învețe diferența.

Repară tu

Repară eroarea, direct în pagină

Codul de mai jos dă ValueError: This solver needs samples of at least 2 classes in the data, pentru că tabelul e sortat după țintă și împărțit fără amestecare, așa că train conține doar clienți aprobați. Repară împărțirea: folosește stratify=y și random_state=0 (fără shuffle=False), ca programul să afișeze clasele din train și acuratețea pe test.

Codul care dă eroarea
PYTHON
import pandas as pd
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split

df = pd.DataFrame({
    "venit": [6.0, 7.5, 8.0, 6.5, 9.0, 7.0, 2.0, 3.0, 2.5, 3.5, 1.5, 4.0],
    "aprobat": [1, 1, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0],
})
X = df[["venit"]]
y = df["aprobat"]
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.5, shuffle=False)
model = LogisticRegression().fit(X_train, y_train)
print("Clase in train:", sorted(y_train.unique().tolist()))
print("Acuratete test:", model.score(X_test, y_test))
După reparație, programul afișează
Clase in train: [0, 1]
Acuratete test: 1.0
Indiciu

Înlocuiește shuffle=False cu stratify=y, random_state=0.

Alte forme ale mesajului

  • ValueError: This solver needs samples of at least 2 classes in the data, but the data contains only one class: 1
  • ValueError: The number of classes has to be greater than one; got 1 class

Cum o eviți pe viitor

Verifică distribuția țintei înainte de fiecare fit: y_train.value_counts(). Folosește train_test_split(..., stratify=y) la clasificare și StratifiedKFold la validarea încrucișată. Nu antrena pe un subset filtrat după țintă. Dacă o clasă e foarte rară, ai nevoie de mai multe date sau de alte metode (de exemplu detecția anomaliilor).

Întrebări frecvente

De ce apare doar uneori, în validarea încrucișată?

Când clasele sunt foarte dezechilibrate și datele puține, unele fold-uri pot ajunge să aibă o singură clasă la antrenare. StratifiedKFold (implicit pentru clasificatori în cross_val_score) reduce riscul, dar dacă ai mai puține exemple rare decât fold-uri, problema rămâne.

Arborii de decizie dau aceeași eroare?

Nu. DecisionTreeClassifier acceptă o singură clasă și va prezice mereu clasa respectivă. Asta nu e un model util, deci problema din date rămâne.

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.