对多类使用parfit/bestFit

Question

我正在使用parfit包bestFit进行二进制/多类（train_labels_ALL为0和1或0,1,2,3,4）分类。它可以很好地用于二进制情况，但对于多个情况，我没有让它运行。 我使用以下函数调用最佳拟合函数：

best_model, best_score, all_models, all_scores = bestFit(svm.SVC(), paramGrid,
                                        train_features_ALL_svc_stand, train_labels_ALL, nfolds=5, # [optional, instead of validation set]
                                        metric=roc_auc_score, greater_is_better=True)#, 

对于从sklearn使用的度量：

def roc_auc_score(y_true, y_score, average="macro", sample_weight=None,
                  max_fpr=None, multi_class="raise", labels=None):

当我为函数中的多类分类手动将“raise”更改为“ovr”时，我会收到一条错误消息，即y不需要1D数组。因此，我将1D数组更改为（n_个样本，n_个类）。 然后我收到：

ValueError: Supported target types are: ('binary', 'multiclass'). Got 'multiclass-multioutput' instead.

我想，我必须将多类标签更改为（n_示例，n_类）的形式，但这仍然应该只是一个多类问题

有没有一个连续的y_标签也能做到这一点