ValueError: y should be a 1d array, got an array of shape (6, 2) instead.
Ai dat clasificatorului o țintă y cu mai multe coloane, de exemplu df[['aprobat', 'suma']], iar modelul vrea o singură coloană cu etichete. Selectează ținta cu o singură paranteză, df['aprobat'], sau aplatizează-o cu ravel() dacă are o singură coloană.
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
Majoritatea clasificatorilor (LogisticRegression, SVC, KNeighborsClassifier folosit cu metrici) prezic o singură etichetă pe exemplu, deci y trebuie să fie o listă: forma (n,). Mesajul îți arată forma primită, de exemplu (6, 2): 6 exemple, dar câte 2 valori-țintă pentru fiecare.
De obicei ai selectat greșit ținta: df[["aprobat", "suma"]] sau tot tabelul fără caracteristici, ori ai inversat X și y la fit. Dacă vrei cu adevărat să prezici mai multe ținte deodată, există modele care acceptă asta (DecisionTreeClassifier, KNeighborsClassifier) sau învelișul MultiOutputClassifier. Dacă forma este (n, 1) (o singură coloană), de obicei primești doar un avertisment (DataConversionWarning), dar e bine să o aplatizezi oricum.
De ce apare: cauzele frecvente
1Două coloane alese ca țintă
y = df[["aprobat", "suma"]]
LogisticRegression().fit(X, y)y = df["aprobat"]
LogisticRegression().fit(X, y)df["aprobat"] este o singură coloană 1D, exact ce așteaptă clasificatorul.
2X și y inversate la fit
model.fit(df["aprobat"], df[["varsta", "venit"]])model.fit(df[["varsta", "venit"]], df["aprobat"])Ordinea este mereu fit(X, y): întâi caracteristicile, apoi ținta.
Repară eroarea, direct în pagină
Codul de mai jos dă ValueError: y should be a 1d array, got an array of shape (6, 2) instead., pentru că ținta conține și coloana suma. Repară-l: folosește ca țintă doar coloana aprobat, ca programul să afișeze forma lui y și decizia modelului pentru un client nou.
import pandas as pd
from sklearn.linear_model import LogisticRegression
df = pd.DataFrame({
"venit": [2.5, 7.0, 3.1, 6.5, 9.0, 2.2],
"datorii": [1.0, 0.5, 2.0, 0.8, 0.3, 1.8],
"aprobat": [0, 1, 0, 1, 1, 0],
"suma": [0, 50, 0, 40, 80, 0],
})
X = df[["venit", "datorii"]]
y = df[["aprobat", "suma"]]
model = LogisticRegression().fit(X, y)
print("Forma y:", y.shape)
nou = pd.DataFrame({"venit": [5.5], "datorii": [0.7]})
print("Aprobat:", model.predict(nou)[0])Forma y: (6,) Aprobat: 1
Indiciu
Ținta se selectează cu o singură paranteză: df["aprobat"].
Reparația
import pandas as pd
from sklearn.linear_model import LogisticRegression
df = pd.DataFrame({
"venit": [2.5, 7.0, 3.1, 6.5, 9.0, 2.2],
"datorii": [1.0, 0.5, 2.0, 0.8, 0.3, 1.8],
"aprobat": [0, 1, 0, 1, 1, 0],
"suma": [0, 50, 0, 40, 80, 0],
})
X = df[["venit", "datorii"]]
y = df["aprobat"]
model = LogisticRegression().fit(X, y)
print("Forma y:", y.shape)
nou = pd.DataFrame({"venit": [5.5], "datorii": [0.7]})
print("Aprobat:", model.predict(nou)[0])De ce merge
Regresia logistică învață o singură frontieră de decizie, pentru o singură etichetă pe client. Cu y de forma (6, 2) ar fi trebuit să prezică două lucruri deodată, iar una dintre ținte (suma) nici măcar nu e o clasă, ci un număr. df["aprobat"] dă o coloană 1D de forma (6,), cu câte o etichetă 0/1 pe rând, iar modelul se antrenează normal. Dacă vrei și suma, o estimezi separat, cu un model de regresie.
Alte forme ale mesajului
DataConversionWarning: A column-vector y was passed when a 1d array was expected. Please change the shape of y to (n_samples, ), for example using ravel().
Cum o eviți pe viitor
Scrie explicit, la începutul fiecărui proiect, X = df[[...caracteristici...]] și y = df["tinta"], cu o singură paranteză la țintă. Afișează y.shape înainte de fit: trebuie să fie (n,). Dacă ai nevoie de mai multe ținte, alege conștient un model multi-output, în loc să-l lași pe cel obișnuit să ghicească.
Întrebări frecvente
Pot prezice două lucruri deodată?
Da, dar nu cu orice model. Arborii de decizie și k-NN acceptă un y cu mai multe coloane, iar pentru restul există MultiOutputClassifier și MultiOutputRegressor, care antrenează câte un model pentru fiecare țintă.
De ce pentru (6, 1) primesc doar un avertisment?
Pentru că o coloană poate fi aplatizată fără ambiguitate, așa că scikit-learn o face singur și te anunță. Cu două coloane nu poate alege pe care s-o folosească, deci aruncă eroarea.
Erori înrudite
DataConversionWarning: A column-vector y was passed when a 1d array was expected. Please change the shape of y to (n_samples, ), for example using ravel(). Ținta y are forma (n, 1), o coloană, în loc de (n,), o listă. E doar un avertisment: modelul o aplatizează singur. Scapi de el selectând ținta cu df['tinta'] (o paranteză) sau cu y.ravel(). ValueError: Expected 2D array, got 1D array instead Modelul vrea X ca tabel 2D (rânduri = exemple, coloane = caracteristici), dar a primit o listă simplă 1D. Cu o singură caracteristică, folosește df[['suprafata']] (două paranteze) sau x.reshape(-1, 1); pentru un singur exemplu, [[50]]. 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.
