scikit-learn的一次性学习

Question

假设我只有1个正面训练分类器。有没有什么方法可以通过scikit-learn来训练一个模型，只有一个积极的？ （例如类似于示例性SVM）。

此刻，我有以下几点：

scores = [ 
    ('precision', precision_score), 
] 

for score_name, score_func in scores: 
    clf = GridSearchCV(SVC(C=1), tuned_parameters, score_func=score_func) 
    clf.fit(X[train], y[train]) 
    y_true, y_pred = y[test], clf.predict(X[test]) 

，但我得到了以下错误：

ValueError: The least populated class in y has only 2 members, which is too few. The minimum number of labels for any class cannot be less than k=3.

Answer 1

没有模型专用于一个镜头在学习scikit学习。

此外，正如您应该在错误消息的完整回溯中看到的那样，GridSearchCV在内部使用交叉验证，因此您不能在没有至少2个正样本的数据集上使用它。