scikit-learn报”ValueError: Number of labels is {n_labels}. Valid numbers of labels are 2 to n_classes – 1 (inclusive) “的原因以及解决办法

问题原因

---

当使用scikit-learn中的一些分类算法（如RandomForestClassifier，DecisionTreeClassifier，KNeighborsClassifier等）时，如果训练数据集中的目标变量类别数目过多（大于等于分类算法中设置的参数n_classes），就会报错"ValueError: Number of labels is {n_labels}. Valid numbers of labels are 2 to n_classes - 1 (inclusive) "。

意思是说目标变量的类别数目不在算法分类上下限内，无法完成训练。

解决办法

1.查看数据集中的目标变量类别数目，如果类别数目大于等于算法参数n_classes的设定值，可以考虑调整n_classes的值，重新进行模型训练。

2.如果目标变量确实存在大于分类算法上限的类别数目，在这种情况下，可以使用多分类算法（如One-vs-Rest和One-vs-One）或者将数据集中的目标变量进行合并，然后再进行二元分类。