...
Eroare Machine Learning · Forma datelor: X 2D, y 1D, număr de rânduri

ValueError: y_true and y_pred have different number of output (1!=2)

Pe scurt

Metrica de regresie a primit o țintă cu o coloană și predicții cu două (sau invers). Cel mai des ai dat metricii X_test în loc de model.predict(X_test). Verifică argumentele: mean_squared_error(y_test, y_pred), cu ambele având aceeași formă.

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

Ce înseamnă

Metricile de regresie (mean_squared_error, mean_absolute_error, r2_score) acceptă și probleme cu mai multe ținte, de aceea compară numărul de „output”-uri, adică de coloane. (1!=2) înseamnă: y_true are o singură țintă, iar y_pred are două coloane.

De obicei nu ai chiar un model cu două ținte, ci ai dat metricii altceva decât predicțiile: tabelul X de test, rezultatul lui predict_proba, sau un DataFrame cu ținta plus o coloană în plus. Primul argument trebuie să fie valorile reale (y_test), iar al doilea predicțiile modelului (model.predict(X_test)), ambele cu forma (n,).

Dacă numerele de rânduri diferă, mesajul e altul: Found input variables with inconsistent numbers of samples.

De ce apare: cauzele frecvente

1Ai dat X_test în loc de predicții

Greșit
PYTHON
mse = mean_squared_error(y_test, X_test)
Corect
PYTHON
y_pred = model.predict(X_test)
mse = mean_squared_error(y_test, y_pred)

Metrica compară valorile reale cu cele prezise. X_test sunt trăsăturile, nu predicțiile, și au atâtea coloane câte trăsături ai.

2Ținta a rămas un DataFrame cu mai multe coloane

Greșit
PYTHON
y_test = test[["pret", "suprafata"]]
mean_squared_error(y_test, model.predict(X_test))
Corect
PYTHON
y_test = test["pret"]
mean_squared_error(y_test, model.predict(X_test))

Cu paranteze simple obții o serie (o coloană), exact ce prezice modelul.

3Probabilități în loc de etichete

Greșit
PYTHON
mean_absolute_error(y_test, clf.predict_proba(X_test))
Corect
PYTHON
mean_absolute_error(y_test, clf.predict(X_test))
# sau, pentru probabilități: log_loss(y_test, clf.predict_proba(X_test))

predict_proba are câte o coloană pentru fiecare clasă. Pentru probabilități folosește metrici de clasificare, nu de regresie.

Repară tu

Repară eroarea, direct în pagină

Codul de mai jos dă ValueError: y_true and y_pred have different number of output (1!=2), pentru că metrica primește tabelul de test în locul predicțiilor. Calculează predicțiile modelului și dă-le metricii, ca programul să afișeze eroarea medie absolută.

Codul care dă eroarea
PYTHON
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_absolute_error

# km, colete -> minute de livrare
X_train = [[2, 1], [4, 2], [6, 1], [8, 3]]
y_train = [12, 22, 28, 40]
X_test = [[3, 2], [7, 2]]
y_test = [19, 35]

model = LinearRegression().fit(X_train, y_train)
mae = mean_absolute_error(y_test, X_test)
print("MAE:", round(float(mae), 2))
După reparație, programul afișează
MAE: 1.0
Indiciu

Folosește mean_absolute_error(y_test, model.predict(X_test)).

Alte forme ale mesajului

  • ValueError: y_true and y_pred have different number of output (2!=1)
  • ValueError: y_true and y_pred have different number of output (1!=3)

Cum o eviți pe viitor

Calculează întotdeauna y_pred = model.predict(X_test) pe o linie separată și dă metricii exact y_test și y_pred. Denumește clar variabilele: X pentru trăsături, y pentru ținte. Afișează y_test.shape și y_pred.shape dacă ai dubii: trebuie să fie identice. Pentru clasificare, folosește metrici de clasificare, nu de regresie.

Întrebări frecvente

De ce nu primesc „inconsistent numbers of samples”?

Pentru că numărul de rânduri e același. Diferă doar numărul de coloane, iar metricile de regresie verifică separat acest lucru.

Pot calcula MSE pentru două ținte deodată?

Da, dacă și y_true și y_pred au două coloane. Cu multioutput="raw_values" primești câte un scor pentru fiecare țintă.

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.