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

ValueError: The 'groups' parameter should not be None.

Pe scurt

Ai folosit GroupKFold (sau LeaveOneGroupOut, GroupShuffleSplit), care împarte datele după grupuri, dar nu i-ai dat grupurile. Trimite groups=... la split sau la cross_val_score, de exemplu id-ul clientului pentru fiecare rând.

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

Ce înseamnă

Împărțirile pe grupuri (GroupKFold, StratifiedGroupKFold, GroupShuffleSplit, LeaveOneGroupOut) au un scop clar: toate rândurile aceluiași grup (același client, pacient, magazin) ajung fie la antrenare, fie la test, niciodată în ambele. Altfel modelul „vede” clientul la antrenare și pare mai bun la test decât e în realitate.

Pentru asta au nevoie de un tablou groups, cu câte o valoare pentru fiecare rând. Mesajul spune că nu l-au primit. La cross_val_score, cross_validate sau GridSearchCV.fit, grupurile se dau tot ca argument groups=...; obiectul de validare nu le poate lua din altă parte.

Dacă nu ai grupuri în date, nu ai nevoie de GroupKFold: folosește KFold sau StratifiedKFold.

De ce apare: cauzele frecvente

1Lipsesc grupurile la cross_val_score

Greșit
PYTHON
cross_val_score(model, X, y, cv=GroupKFold(n_splits=3))
Corect
PYTHON
cross_val_score(model, X, y, cv=GroupKFold(n_splits=3), groups=df["client_id"])

groups spune pentru fiecare rând căruia client îi aparține, ca împărțirea să țină clienții întregi.

2Lipsesc grupurile la split

Greșit
PYTHON
for tr, te in GroupKFold(n_splits=2).split(X, y):
    ...
Corect
PYTHON
for tr, te in GroupKFold(n_splits=2).split(X, y, groups=pacienti):
    ...

split primește grupurile ca al treilea argument.

3Grupurile la GridSearchCV

Greșit
PYTHON
GridSearchCV(model, grila, cv=GroupKFold(3)).fit(X, y)
Corect
PYTHON
GridSearchCV(model, grila, cv=GroupKFold(3)).fit(X, y, groups=magazine)

fit transmite grupurile mai departe, la împărțire.

Repară tu

Repară eroarea, direct în pagină

Codul de mai jos dă ValueError: The 'groups' parameter should not be None, pentru că GroupKFold nu primește clienții. Trimite lista clienti ca grupuri la cross_val_score, ca programul să afișeze scorurile pe cele 3 runde.

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

# cate o comanda pe rand: produse -> valoare; fiecare client are 2 comenzi
X = [[1], [2], [3], [4], [5], [6]]
y = [10, 20, 30, 40, 50, 60]
clienti = ["ana", "ana", "dan", "dan", "ion", "ion"]

scoruri = cross_val_score(LinearRegression(), X, y, cv=GroupKFold(n_splits=3), scoring="neg_mean_absolute_error")
print("Erori pe runda:", [round(float(-s), 2) for s in scoruri])
După reparație, programul afișează
Erori pe runda: [0.0, 0.0, 0.0]
Indiciu

Adaugă groups=clienti la apelul cross_val_score.

Alte forme ale mesajului

  • ValueError: The 'groups' parameter should not be None

Cum o eviți pe viitor

Când datele au mai multe rânduri pentru aceeași entitate (mai multe comenzi ale aceluiași client, mai multe vizite ale aceluiași pacient), decide de la început coloana de grup și păstrează-o lângă X și y. Transmite-o explicit la fiecare funcție de validare. Verifică după împărțire că niciun grup nu apare și în antrenare, și în test.

Întrebări frecvente

De ce nu ia GroupKFold grupurile dintr-o coloană a lui X?

Pentru că X conține trăsăturile modelului. Grupurile sunt informație despre împărțire, nu despre predicție, așa că se dau separat.

Câte grupuri îmi trebuie?

Cel puțin cât n_splits. Altfel primești o altă eroare, care spune că numărul de grupuri e mai mic decât numărul de părți.

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.