使用scikit-learn进行一次性学习

Question

假设我只有1个正面训练分类器。有没有办法训练模型与scikit学习只有一个积极？ （例如类似于示例SVM）。

目前我有以下内容：

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])

但是我收到以下错误：

  

ValueError：y中填充最少的类只有2个成员   太少了。任何类的最小标签数量都不能少   比k = 3。

Answer 1

在scikit-learn中没有专门用于一次性学习的模型。

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