ValueError: y_true and y_pred have different number of output (1!=2)
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
mse = mean_squared_error(y_test, X_test)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
y_test = test[["pret", "suprafata"]]
mean_squared_error(y_test, model.predict(X_test))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
mean_absolute_error(y_test, clf.predict_proba(X_test))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 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.
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))MAE: 1.0
Indiciu
Folosește mean_absolute_error(y_test, model.predict(X_test)).
Reparația
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, model.predict(X_test))
print("MAE:", round(float(mae), 2))De ce merge
X_test are două coloane (km și colete), deci metrica vedea două „ținte” prezise față de una reală. model.predict(X_test) întoarce câte un număr de minute pentru fiecare livrare, cu aceeași formă ca y_test, iar MAE poate compara valorile una câte una.
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
ValueError: Found input variables with inconsistent numbers of samples: [5, 4] X și y (sau y_true și y_pred) au un număr diferit de rânduri: aici 5 și 4. Fiecare exemplu din X trebuie să aibă exact o etichetă în y. Caută locul unde ai filtrat sau ai împărțit doar una dintre ele și construiește-le din același tabel. 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. ValueError: Classification metrics can't handle a mix of binary and continuous targets Ai dat unei metrici de clasificare (accuracy_score, f1_score, confusion_matrix) probabilități sau scoruri în loc de clase. Compară y_true cu model.predict(X), nu cu predict_proba, sau transformă probabilitățile în clase cu un prag (p >= 0.5). 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.
