ValueError: The classes, [0, 1], are not in class_weight
Cheile din dicționarul class_weight nu sunt clasele reale din y. De exemplu, y are 0 și 1, dar ai scris {"da": 5, "nu": 1}. Folosește exact etichetele din y (vezi np.unique(y)), sau class_weight="balanced".
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
class_weight îi spune modelului cât de mult să conteze greșelile pe fiecare clasă. Când îl dai ca dicționar, cheile trebuie să fie exact etichetele din y, cu același tip. Mesajul listează clasele reale care nu au fost găsite în dicționar: aici 0 și 1.
Cazuri tipice: ai codificat ținta cu 0 și 1, dar ponderile au rămas cu textele originale („da”/„nu”); ai scris cheile ca texte ("1") în loc de numere (1); sau ai copiat un exemplu cu alte nume de clase. Funcționează la LogisticRegression, SVC, DecisionTreeClassifier, RandomForestClassifier și altele care au class_weight.
Dacă vrei doar să echilibrezi clasele rare, class_weight="balanced" calculează singur ponderile invers proporțional cu frecvența fiecărei clase.
De ce apare: cauzele frecvente
1Cheile sunt etichetele vechi, text
y = df["frauda"].map({"da": 1, "nu": 0})
LogisticRegression(class_weight={"da": 10, "nu": 1}).fit(X, y)y = df["frauda"].map({"da": 1, "nu": 0})
LogisticRegression(class_weight={1: 10, 0: 1}).fit(X, y)După codificare, clasele sunt 0 și 1, deci ponderile trebuie date pentru 0 și 1.
2Numerele scrise ca text
class_weight={"0": 1, "1": 5}class_weight={0: 1, 1: 5}"1" și 1 sunt chei diferite. Tipul trebuie să fie același ca în y.
3Vrei doar echilibrare automată
class_weight={"rar": 9, "comun": 1} # alte nume decat in yclass_weight="balanced""balanced" calculează ponderile direct din y, deci nu poate greși numele claselor.
Repară eroarea, direct în pagină
Codul de mai jos dă ValueError: The classes, [0, 1], are not in class_weight, pentru că ponderile folosesc textele „frauda” și „ok”, dar ținta e codificată cu 1 și 0. Scrie ponderile pentru clasele reale (1 primește 5, 0 primește 1), ca programul să afișeze predicțiile.
from sklearn.linear_model import LogisticRegression
# suma (sute de lei) -> frauda (1) sau ok (0)
X = [[1], [2], [3], [4], [5], [6], [7], [8], [9], [12]]
y = [0, 0, 0, 0, 0, 0, 0, 1, 0, 1]
model = LogisticRegression(class_weight={"frauda": 5, "ok": 1}).fit(X, y)
print("Predictii:", model.predict([[6], [8], [11]]).tolist())Predictii: [0, 1, 1]
Indiciu
Folosește class_weight={1: 5, 0: 1}.
Reparația
from sklearn.linear_model import LogisticRegression
# suma (sute de lei) -> frauda (1) sau ok (0)
X = [[1], [2], [3], [4], [5], [6], [7], [8], [9], [12]]
y = [0, 0, 0, 0, 0, 0, 0, 1, 0, 1]
model = LogisticRegression(class_weight={1: 5, 0: 1}).fit(X, y)
print("Predictii:", model.predict([[6], [8], [11]]).tolist())De ce merge
Cheile dicționarului sunt acum chiar clasele din y, 0 și 1. Ponderea 5 pentru frauda face ca o fraudă ratată să coste de 5 ori mai mult la antrenare, așa că modelul coboară pragul și marchează ca suspecte și sumele medii, nu doar pe cele foarte mari.
Alte forme ale mesajului
ValueError: The classes, [1], are not in class_weightValueError: The classes, ['da', 'nu'], are not in class_weight
Cum o eviți pe viitor
Construiește dicționarul de ponderi după np.unique(y), nu din memorie. Aplică codificarea țintei într-un singur loc și folosește aceleași valori peste tot (ponderi, pos_label, labels). Pentru început, încearcă class_weight="balanced" și compară cu ponderi alese de tine doar dacă ai un motiv de business (de exemplu, o fraudă ratată costă de 10 ori mai mult).
Întrebări frecvente
Trebuie să dau pondere pentru fiecare clasă?
Nu neapărat: clasele care lipsesc din dicționar primesc ponderea 1. Eroarea apare când niciuna dintre cheile date nu se potrivește cu clasele reale, ca aici.
Ce face class_weight="balanced" concret?
Dă fiecărei clase ponderea n_exemple / (n_clase * n_exemple_din_clasa). O clasă de 4 ori mai rară primește o pondere de 4 ori mai mare.
Erori înrudite
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. ValueError: Mix of label input types (string and number) Etichetele reale și cele prezise au tipuri diferite: unele sunt text ("1", "da"), altele numere (1). confusion_matrix și classification_report nu pot compara "1" cu 1. Adu ambele la același tip, de exemplu cu astype(int) sau cu un map de la text la număr. ValueError: This solver needs samples of at least 2 classes in the data, but the data contains only one class: np.int64(1) 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. 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.
