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

ValueError: y_true and y_prob contain different number of classes: 3 vs 2. Please provide the true labels explicitly through the labels argument.

Pe scurt

log_loss primește probabilități pentru un alt număr de clase decât găsește în y_true, de obicei pentru că testul nu conține toate clasele pe care le știe modelul. Dă explicit lista claselor: log_loss(y_test, proba, labels=model.classes_).

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

Ce înseamnă

log_loss (pierderea logistică, cross-entropy) compară fiecare rând de probabilități din predict_proba cu clasa reală. Ca să știe ce coloană corespunde cărei clase, deduce lista claselor din y_true. Dacă testul are 2 clase, dar matricea de probabilități are 3 coloane (modelul a învățat 3 clase) sau invers, potrivirea e imposibilă, iar mesajul îți dă cele două numere: 3 vs 2.

Se întâmplă la seturi mici sau la clase rare: o clasă n-a ajuns deloc în test, sau a ajuns doar în test. Uneori apar probabilitățile doar pentru o clasă (proba[:, 1]) dată la o problemă cu trei clase. Soluția sigură este labels=model.classes_: lista completă, în exact ordinea coloanelor din predict_proba. Mesajul complet afișează și clasele găsite în y_true, ca să vezi care lipsește. În versiunile mai vechi mesajul spunea y_true and y_pred în loc de y_prob.

De ce apare: cauzele frecvente

1O clasă lipsește din test

Greșit
PYTHON
proba = model.predict_proba(X_test)  # 3 coloane
log_loss(y_test, proba)  # y_test are doar 2 clase
Corect
PYTHON
proba = model.predict_proba(X_test)
log_loss(y_test, proba, labels=model.classes_)

model.classes_ are toate clasele, în ordinea coloanelor din proba, deci potrivirea e corectă.

2Doar o coloană de probabilități la mai multe clase

Greșit
PYTHON
log_loss(y_test, model.predict_proba(X_test)[:, 1])  # 3 clase
Corect
PYTHON
log_loss(y_test, model.predict_proba(X_test), labels=model.classes_)

La multiclasă, log_loss are nevoie de probabilitatea fiecărei clase, nu doar a uneia.

3Test stratificat, ca să conțină toate clasele

Greșit
PYTHON
train_test_split(X, y, test_size=0.2, random_state=1)
Corect
PYTHON
train_test_split(X, y, test_size=0.2, stratify=y, random_state=1)

Cu stratify=y, fiecare clasă ajunge și în test (dacă are destule exemple), deci metricile sunt calculate pe toate clasele.

Repară tu

Repară eroarea, direct în pagină

Codul de mai jos dă ValueError: y_true and y_prob contain different number of classes: 2 vs 3, pentru că testul conține doar clasele 0 și 2, iar modelul dă probabilități pentru trei clase. Repară apelul lui log_loss, ca programul să afișeze clasele modelului și pierderea rotunjită.

Codul care dă eroarea
PYTHON
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import log_loss

X_train = [[1], [2], [3], [10], [11], [12], [20], [21], [22]]
y_train = [0, 0, 0, 1, 1, 1, 2, 2, 2]
X_test = [[2.5], [21.5]]
y_test = [0, 2]

model = LogisticRegression().fit(X_train, y_train)
proba = model.predict_proba(X_test)
print("Clase model:", model.classes_.tolist())
print("Log loss:", round(log_loss(y_test, proba), 3))
După reparație, programul afișează
Clase model: [0, 1, 2]
Log loss: 0.028
Indiciu

Adaugă labels=model.classes_ la log_loss.

Alte forme ale mesajului

  • ValueError: y_true and y_pred contain different number of classes 3, 2. Please provide the true labels explicitly through the labels argument. Classes found in y_true: [0 1 2]
  • ValueError: y_true and y_prob contain different number of classes: 2 vs 3. Please provide the true labels explicitly through the labels argument. Classes found in y_true: [0 2]
  • ValueError: The number of classes in labels is different from that in y_pred. Classes found in labels: [0 1 2]

Cum o eviți pe viitor

La orice metrică bazată pe probabilități (log_loss, roc_auc_score multiclasă, top_k_accuracy_score), dă labels=model.classes_. Împarte datele cu stratify=y, ca toate clasele să apară și în test. Pentru seturi mici, folosește validare încrucișată stratificată în loc de un singur test. Afișează np.unique(y_test) lângă model.classes_ ca să vezi imediat ce clasă lipsește.

Întrebări frecvente

De ce acuratețea merge pe aceleași date, iar log_loss nu?

Acuratețea compară doar etichete (y_pred cu y_true), deci nu-i pasă câte clase are modelul. log_loss lucrează cu matricea de probabilități și trebuie să știe ce coloană aparține cărei clase.

Ce valoare bună are log_loss?

Cu cât e mai mică, cu atât mai bine; 0 înseamnă probabilitate 1 pentru clasa corectă la fiecare exemplu. Compară valoarea cu cea a unui model naiv (de exemplu DummyClassifier(strategy="prior")) pe aceleași date.

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.