使用稀疏矩阵的样本数不一致

Question

我将sklearnSVC实现用于多类支持向量机。在

我的模型应该有多个输出，所以我在我的标签上使用了一个热编码（MultiLabelBinarizer）。在

mlb = MultiLabelBinarizer(classes=classes, sparse_output=True)
y_train = mlb.transform(y_train)
mlb.fit(y_train)

这给了我一个每个样本的标签向量，y列是一个形状的csr_矩阵（n个样本，n个类），特别是（18171，17）。在

我的训练集是一个形状（n个样本，n个特征）的scipycsc_matrix形式，特别是181711001。在

^{2}$

这将训练多个分类器，每个分类器都有一个标签片段。在

但我得到这样的警告：

"DataConversionWarning: A column-vector y was passed when a 1d array was expected. Please change the shape of y to (n_samples, ), for example using ravel()."

这个错误：

"Found input variables with inconsistent numbers of samples: [18171, 1]"

如果不对标签使用稀疏矩阵，那么一切都可以，但我不确定使用密集标签表示是否会导致算法使用密集矩阵（性能损失）。在

另外，我不明白这个问题，因为形状是一致的。在

这是sklearn的问题吗？在