ValueError: y_true contains only one label (1). Please provide the list of all expected class labels explicitly through the labels argument.
log_loss a primit valori reale dintr-o singură clasă, așa că nu știe ce reprezintă probabilitățile. Dă lista tuturor claselor cu labels=[0, 1], sau evaluează pe un set de test care conține ambele clase (de exemplu cu stratify).
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
log_loss (pierderea logaritmică) compară probabilitățile prezise cu clasele reale. Ca să știe ce coloană de probabilitate corespunde cărei clase, își construiește lista claselor din y_true. Dacă y_true conține o singură valoare, de exemplu numai 1, lista are o singură clasă și calculul nu are sens, deci primești eroarea.
Se întâmplă la seturi de test foarte mici, la loturi (batch-uri) mici în evaluare, când calculezi metrica separat pe fiecare grup de clienți, sau când datele sunt ordonate și testul a ajuns să conțină o singură clasă.
Parametrul labels rezolvă problema tehnică: îi spui funcției toate clasele posibile. Dar gândește-te și la evaluare: un test cu o singură clasă spune puțin despre model, deci folosește stratify la împărțire.
De ce apare: cauzele frecvente
1Un lot de evaluare cu o singură clasă
log_loss([1, 1, 1], [0.9, 0.8, 0.7])log_loss([1, 1, 1], [0.9, 0.8, 0.7], labels=[0, 1])Cu labels=[0, 1], funcția știe că probabilitățile sunt pentru clasa 1, chiar dacă în lot apare doar ea.
2Test mic, fără stratificare
X_tr, X_te, y_tr, y_te = train_test_split(X, y, test_size=0.2, shuffle=False)X_tr, X_te, y_tr, y_te = train_test_split(X, y, test_size=0.2, stratify=y, random_state=0)stratify=y păstrează proporția claselor, deci testul conține ambele clase.
3Metrică pe fiecare grup
for oras, g in df.groupby("oras"):
print(oras, log_loss(g["churn"], g["proba"]))for oras, g in df.groupby("oras"):
print(oras, log_loss(g["churn"], g["proba"], labels=[0, 1]))Unele grupuri pot avea o singură clasă. Lista fixă de clase face calculul posibil pentru toate.
Repară eroarea, direct în pagină
Codul de mai jos calculează log-loss pentru un lot de trei clienți care au plecat toți (clasa 1) și dă ValueError: y_true contains only one label (1). Spune-i funcției că clasele posibile sunt 0 și 1, ca programul să afișeze pierderea.
from sklearn.metrics import log_loss
# un lot de evaluare: toti clientii au plecat
y_lot = [1, 1, 1]
proba_plecare = [0.9, 0.8, 0.6]
print("Log-loss:", round(float(log_loss(y_lot, proba_plecare)), 4))Log-loss: 0.2798
Indiciu
Adaugă labels=[0, 1] la apelul log_loss.
Reparația
from sklearn.metrics import log_loss
# un lot de evaluare: toti clientii au plecat
y_lot = [1, 1, 1]
proba_plecare = [0.9, 0.8, 0.6]
print("Log-loss:", round(float(log_loss(y_lot, proba_plecare, labels=[0, 1])), 4))De ce merge
Cu labels=[0, 1], log_loss știe că probabilitățile date sunt pentru clasa 1. Pentru fiecare client calculează -log(p): -log(0,9), -log(0,8) și -log(0,6), apoi face media, adică aproximativ 0,2798. Cu cât probabilitatea pentru clasa reală e mai aproape de 1, cu atât pierderea e mai mică.
Alte forme ale mesajului
ValueError: y_true contains only one label (0). Please provide the true labels explicitly through the labels argument.ValueError: y_true contains only one label (1). Please provide the true labels explicitly through the labels argument.
Cum o eviți pe viitor
Împarte datele cu stratify=y, ca testul să conțină toate clasele. Când calculezi metrici pe loturi sau pe grupuri, dă mereu labels=model.classes_. La validare încrucișată, folosește StratifiedKFold. Dacă un grup are o singură clasă, raportează-l separat: acolo multe metrici nu au sens.
Întrebări frecvente
De ce accuracy_score nu are problema asta?
Acuratețea compară doar etichete, nu are nevoie să știe ce înseamnă fiecare coloană de probabilitate. log_loss și roc_auc_score au nevoie de lista claselor.
Ce valoare pun în labels?
Toate clasele posibile, în aceeași ordine ca în model.classes_. Cel mai sigur e chiar labels=model.classes_.
Erori înrudite
UndefinedMetricWarning: Only one class is present in y_true. ROC AUC score is not defined in that case. Setul pe care calculezi ROC AUC conține o singură clasă (de exemplu doar clienți care n-au plecat), iar AUC compară pozitivi cu negativi, deci nu are sens. Împarte datele cu stratify=y sau folosește StratifiedKFold, ca fiecare parte să aibă ambele clase. ValueError: y_true and y_prob contain different number of classes: 3 vs 2. Please provide the true labels explicitly through the labels argument. 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_). ValueError: The least populated classes in y have only 1 member, which is too few. The minimum number of groups for any class cannot be less than 2. Ai folosit train_test_split cu stratify=y, iar o clasă apare o singură dată, deci nu poate fi pusă și în train, și în test. Adună mai multe exemple pentru clasa rară, unește-o cu o clasă înrudită sau elimină rândul ei înainte de împărțire. 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.
