ValueError：分类指标无法处理多标签指标和多类目标的混合

社会演员多 nlp 218

原文标题 ：ValueError: Classification metrics can’t handle a mix of multilabel-indicator and multiclass targets

我正在尝试使用自变量（阿拉伯语句子）和因变量（多类但使用 One Hot 编码技术）来预测模型。我将 Tokenizer 技术用于训练和测试集

该模型：

model = Sequential()

model.add(Embedding(num_words,32,input_length=max_length))
model.add(LSTM(64,dropout=0.1))
model.add(Dense(4,activation='sigmoid'))

model.compile(loss='binary_crossentropy',optimizer=optimizer, metrics=['accuracy'])

# some code here

model.fit(train_padded,y_train,epochs=1, validation_data=(test_padded,y_test))

问题是当我使用 score =f1_score(y_test, ynew, average='weighted') 作为评估时。它显示以下错误：

ValueError: Classification metrics can't handle a mix of multilabel-indicator and multiclass targets

ynewandy_testvalues are the following:

ynew= array([2, 1, 3, ..., 3, 0, 1]`, dtype=int64)

y_test = array([[0, 0, 1, 0],
       [0, 1, 0, 0],
       [0, 0, 0, 1],
       ...,
       [0, 0, 0, 1],
       [1, 0, 0, 0],
       [0, 1, 0, 0]], dtype=uint8)

原文链接：https://stackoverflow.com//questions/71437696/valueerror-classification-metrics-cant-handle-a-mix-of-multilabel-indicator-an

回复

我来回复
  • devidduma的头像
    devidduma 评论

    两个参数 off1_score() 必须采用相同的格式：单热编码或标签编码。您不能传递两个不同编码的参数。使用以下选项之一。

    选项 1：您可以将 new 转换为 one-hot 编码。

    # one-hot encode ynew, before calculating f1_score
ynew = keras.utils.to_categorical(ynew)
f1_score(y_test, ynew, average='weighted')

    选项 2：您可以使用 LabelBinarizer converty_newto one-hot encoding。

    from sklearn.preprocessing import LabelBinarizer
# one-hot encode ynew, before calculating f1_score
ynew = LabelBinarizer().fit_transform(ynew)
f1_score(y_test, ynew, average='weighted')

    选项 3：您可以将 one-hot 编码转换为标签编码。

    import numpy as np
# label encode y_test, before calculating f1_score
y_test = np.argmax(y_test, axis=1)
f1_score(y_test, ynew, average='weighted')
    2年前 0条评论