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

ValueError: y contains previously unseen labels: 'premium'

Pe scurt

LabelEncoder a fost antrenat (fit) pe o listă de etichete, iar la transform a primit o etichetă pe care n-a văzut-o. Antrenează-l pe toate etichetele posibile (de exemplu pe y întreg, înainte de împărțire); pentru coloane de intrare folosește OneHotEncoder(handle_unknown="ignore").

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

Ce înseamnă

LabelEncoder transformă etichete text în numere: la fit învață lista de clase (le.classes_), iar la transform înlocuiește fiecare etichetă cu poziția ei în listă. Dacă la transform apare o etichetă care nu e în listă, encoderul nu are ce număr să-i dea și se oprește. Mesajul îți arată chiar eticheta necunoscută; în versiunile recente apare ca np.str_('premium').

Se întâmplă când antrenezi encoderul doar pe partea de train, iar o clasă rară a ajuns doar în test, când datele noi au o categorie nouă sau când eticheta e scrisă diferit ("Premium" față de "premium", un spațiu în plus). LabelEncoder este gândit pentru ținta y, unde lista claselor e cunoscută. Pentru coloanele din X, folosește OneHotEncoder sau OrdinalEncoder, care au opțiuni pentru valori necunoscute.

De ce apare: cauzele frecvente

1Encoderul antrenat doar pe train

Greșit
PYTHON
le = LabelEncoder().fit(y_train)
y_test_cod = le.transform(y_test)  # 'premium' doar în test
Corect
PYTHON
le = LabelEncoder().fit(y)  # toate etichetele
y_train_cod = le.transform(y_train)
y_test_cod = le.transform(y_test)

Lista claselor țintei trebuie să fie completă. Pentru y nu există scurgere de informație dacă encoderul vede toate etichetele.

2LabelEncoder folosit pentru o coloană de intrare

Greșit
PYTHON
le = LabelEncoder().fit(train["oras"])
X_nou = le.transform(nou["oras"])  # oraș nou
Corect
PYTHON
enc = OneHotEncoder(handle_unknown="ignore").fit(train[["oras"]])
X_nou = enc.transform(nou[["oras"]])

handle_unknown="ignore" pune 0 pe toate coloanele pentru o categorie nouă, în loc să oprească programul.

3Aceeași etichetă scrisă diferit

Greșit
PYTHON
le.fit(["basic", "premium"])
le.transform(["Premium "])
Corect
PYTHON
le.fit(["basic", "premium"])
le.transform(pd.Series(["Premium "]).str.strip().str.lower())

Pentru encoder, "Premium " și "premium" sunt etichete diferite. Curăță textul la fel peste tot.

Repară tu

Repară eroarea, direct în pagină

Codul de mai jos dă ValueError: y contains previously unseen labels, pentru că LabelEncoder e antrenat doar pe etichetele de train, iar premium apare doar în test. Repară-l: antrenează encoderul pe toate etichetele, ca programul să afișeze clasele și codurile din test.

Codul care dă eroarea
PYTHON
from sklearn.preprocessing import LabelEncoder

y = ["basic", "standard", "basic", "standard", "basic", "premium"]
y_train, y_test = y[:4], y[4:]

le = LabelEncoder().fit(y_train)
print("Clase:", list(le.classes_))
print("Coduri test:", le.transform(y_test).tolist())
După reparație, programul afișează
Clase: ['basic', 'premium', 'standard']
Coduri test: [0, 1]
Indiciu

Schimbă LabelEncoder().fit(y_train) în LabelEncoder().fit(y).

Alte forme ale mesajului

  • ValueError: y contains previously unseen labels: np.str_('premium')
  • ValueError: y contains previously unseen labels: ['premium']
  • ValueError: y contains previously unseen labels: [3]

Cum o eviți pe viitor

Folosește LabelEncoder doar pentru ținta y și antrenează-l pe lista completă de clase. Pentru coloanele din X, alege OneHotEncoder(handle_unknown="ignore") sau OrdinalEncoder(handle_unknown="use_encoded_value", unknown_value=-1) și pune-le în Pipeline. Normalizează textul (strip, lower) înainte de orice codificare. Înainte de antrenare, compară set(y_test) - set(y_train) ca să vezi dacă există clase care apar doar în test.

Întrebări frecvente

E nevoie de LabelEncoder pentru ținta unui clasificator?

De obicei nu: clasificatorii din scikit-learn acceptă direct etichete text ca "da" și "nu". LabelEncoder e util când o bibliotecă externă cere clase numerotate de la 0.

Pot face ca LabelEncoder să ignore etichetele noi?

Nu are o astfel de opțiune. Dacă ai nevoie de asta, înseamnă că lucrezi cu o coloană de intrare, iar acolo encoderul potrivit este OneHotEncoder sau OrdinalEncoder.

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.