Mam zbiór danych treningowych z 8670 prób, a każda próba ma długość 125-czasowych próbek, podczas gdy mój zestaw testowy składa się z 578 prób. Kiedy stosuję algorytm SVM z scikit-learn, uzyskuję całkiem dobre wyniki.ValueError: Ten solver potrzebuje próbek z co najmniej 2 klas w danych, ale dane zawierają tylko jedną klasę: 1.0
Jednak, kiedy zastosować regresję logistyczną, ten błąd występuje:
"ValueError: This solver needs samples of at least 2 classes in the data, but the data contains only one class: 1.0" .
Moje pytanie brzmi dlaczego SVM jest w stanie podać prognoz, ale regresji logistycznej daje ten błąd?
Czy jest możliwe, że coś jest nie tak w zbiorze danych, czy też regresja logistyczna nie mogła się sklasyfikować, ponieważ próbki treningowe wyglądają podobnie?
Należy opublikować minimalny kod, który działa, w tym przykładowe dane, aby wygenerować błąd. – bakkal
Coś jest nie tak z twoim kodem, ani SVM, ani LR nie działa z jedną klasą i obaj rzucają ten sam błąd. – lejlot
Chciałbym przegłosować na moją odpowiedź poniżej! Jeśli to rozwiązało twój problem! Dziękuję Ci! – Nico