...
Eroare Machine Learning · Modele: convergență, k-NN, k-means

ValueError: Unsupported set of arguments: The combination of penalty='l1' and loss='squared_hinge' are not supported when dual=True, Parameters: penalty='l1', loss='squared_hinge', dual=True

Pe scurt

LinearSVC nu poate rezolva penalizarea L1 în forma „duală” a problemei. Setează dual=False (sau lasă dual="auto", valoarea implicită în versiunile noi), ori folosește penalty="l2".

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

Ce înseamnă

LinearSVC folosește biblioteca liblinear, care poate rezolva problema de optimizare în două forme: primală (dual=False) și duală (dual=True). Nu toate combinațiile de penalizare și funcție de pierdere sunt implementate în ambele forme. Mesajul îți dă combinația exactă care nu e suportată: penalty='l1' cu loss='squared_hinge' merge doar cu dual=False.

În versiunile vechi, dual=True era implicit, deci simplul LinearSVC(penalty="l1") dădea eroarea. Acum implicit e dual="auto", care alege singur forma potrivită, dar eroarea apare în continuare dacă ai scris dual=True explicit (de multe ori copiat dintr-un tutorial).

Combinații posibile: l2 + squared_hinge (ambele forme), l1 + squared_hinge (doar primală), l2 + hinge (doar duală). l1 + hinge nu există deloc.

De ce apare: cauzele frecvente

1L1 cu dual=True scris explicit

Greșit
PYTHON
LinearSVC(penalty="l1", dual=True)
Corect
PYTHON
LinearSVC(penalty="l1", dual=False)

Penalizarea L1 se rezolvă doar în forma primală.

2Cod vechi, scris pentru dual implicit

Greșit
PYTHON
LinearSVC(penalty="l1", loss="squared_hinge", dual=True, C=0.5)
Corect
PYTHON
LinearSVC(penalty="l1", loss="squared_hinge", dual="auto", C=0.5)

dual="auto" alege forma suportată pentru combinația dată.

3Hinge cu dual=False

Greșit
PYTHON
LinearSVC(loss="hinge", dual=False)
Corect
PYTHON
LinearSVC(loss="hinge", dual=True)

Pierderea hinge e implementată doar în forma duală.

Repară tu

Repară eroarea, direct în pagină

Codul de mai jos dă ValueError: Unsupported set of arguments, pentru că penalizarea L1 nu poate fi rezolvată cu dual=True. Folosește forma primală a problemei, ca programul să afișeze penalizarea folosită și acuratețea pe datele de antrenare.

Codul care dă eroarea
PYTHON
from sklearn.svm import LinearSVC

# doar prima coloana conteaza; celelalte doua sunt zgomot
X = [[1, 5, 3], [2, 1, 4], [3, 4, 1], [4, 2, 5], [8, 3, 2], [9, 5, 4], [10, 1, 3], [11, 4, 5]]
y = [0, 0, 0, 0, 1, 1, 1, 1]

model = LinearSVC(penalty="l1", dual=True, C=0.5, max_iter=5000).fit(X, y)
print("Penalizare:", model.penalty)
print("Acuratete:", model.score(X, y))
După reparație, programul afișează
Penalizare: l1
Acuratete: 1.0
Indiciu

Schimbă dual=True în dual=False.

Alte forme ale mesajului

  • ValueError: Unsupported set of arguments: The combination of penalty='l2' and loss='hinge' are not supported when dual=False, Parameters: penalty='l2', loss='hinge', dual=False
  • ValueError: Unsupported set of arguments: The combination of penalty='l1' and loss='hinge' is not supported, Parameters: penalty='l1', loss='hinge', dual=True

Cum o eviți pe viitor

Lasă dual la valoarea implicită ("auto"), dacă nu ai un motiv clar. Când vrei penalizare L1 (pentru coeficienți rari, selecție de trăsături), scrie direct dual=False. Regula practică: forma primală e mai rapidă când ai mult mai multe exemple decât trăsături, cea duală când ai mai multe trăsături (de exemplu text).

Întrebări frecvente

Ce câștig cu penalty="l1"?

Penalizarea L1 împinge mulți coeficienți exact la zero, deci modelul folosește doar o parte din trăsături. E utilă când ai multe coloane, de exemplu la text.

Aceeași eroare apare și la LogisticRegression?

Nu cu acest text. La LogisticRegression combinațiile depind de solver și primești mesaje de tipul „Solver lbfgs supports only 'l2' or None penalties”.

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.