Lỗi sklearn thường gặp: danh mục lỗi và cách sửa
Bài 18/18 · Chương 13
Giải nghĩa lỗi và cảnh báo
- 12 phút
- Trung cấp
- Python 3.14
- Cập nhật
Trong bài này · 32
Lỗi sklearn thường gặp được gom ở đây thành 17 mục, xếp theo việc bạn đang làm: đưa dữ liệu vào fit(), chuẩn bị nhãn, chia dữ liệu, đặt tham số, mã hóa, chạy code cũ và gom cụm. Mỗi mục có đoạn code sai, dòng cuối của thông báo lỗi mà scikit-learn thật sự in ra, nghĩa của dòng đó, cách sửa, và link về bài dạy kỹ; cuối trang là các lỗi có trang riêng, các cảnh báo không dừng chương trình, và những cách hiểu sai kết quả không báo lỗi gì.
Cách tìm lỗi của bạn trên trang này
Khi chương trình báo lỗi, Python in một đoạn traceback. Dòng quan trọng nhất là dòng cuối: tên lỗi đứng trước dấu hai chấm, lời giải thích đứng sau. Hãy chép vài từ sau dấu hai chấm (như inconsistent numbers of samples), tìm chúng trên trang (Ctrl+F), rồi so đoạn code của mình với đoạn code sai của mục tìm được. Cách đọc cả đoạn traceback có ở bài traceback.
Các dòng cuối dưới đây chạy trên scikit-learn 1.8.0, giống nhau trên Python 3.12, 3.13 và 3.14. Bản cũ hơn có thể in câu khác cho cùng một lỗi. Lỗi của pandas khi đọc và làm sạch dữ liệu nằm ở trang lỗi thường gặp trong pandas, lỗi của scipy ở trang lỗi thống kê thường gặp.
Các mục theo tên lỗi:
ValueError: mục 1 đến 10, 14, 17
TypeError: mục 15, 16
AttributeError: mục 13
Lỗi riêng của scikit-learn, xem exception:
NotFittedError(mục 11),InvalidParameterError(mục 12)
Dữ liệu đưa vào fit()
Scikit-learn cần X là bảng hai chiều toàn số, không ô trống, cùng số dòng với y. Năm mục đầu là năm cách vi phạm điều đó.
1. Đưa một cột Series làm X
import pandas as pd
from sklearn.linear_model import LinearRegression
nha = pd.DataFrame({"dien_tich_m2": [45, 60, 80, 100],
"gia_ty": [2.1, 2.9, 3.8, 4.6]})
LinearRegression().fit(nha["dien_tich_m2"], nha["gia_ty"])
Dòng cuối của thông báo lỗi:
ValueError: Expected a 2-dimensional container but got <class 'pandas.Series'> instead. Pass a DataFrame containing a single row (i.e. single sample) or a single column (i.e. single feature) instead.
Python gọi lỗi này là ValueError. Một cặp ngoặc vuông cho Series một chiều; X phải là bảng có dòng và cột, dù chỉ có một cột.
Cách sửa: chọn cột bằng hai cặp ngoặc, nha[["dien_tich_m2"]], để có DataFrame một cột. Ôn lại: Expected 2D array.
2. Bảng còn cột chữ
import pandas as pd
from sklearn.linear_model import LinearRegression
nha = pd.DataFrame({"quan": ["Quận 7", "Gò Vấp", "Quận 7", "Bình Thạnh"],
"dien_tich_m2": [45, 60, 80, 100],
"gia_ty": [2.1, 2.9, 3.8, 4.6]})
LinearRegression().fit(nha[["quan", "dien_tich_m2"]], nha["gia_ty"])
Dòng cuối của thông báo lỗi:
ValueError: could not convert string to float: 'Quận 7'
Python gọi lỗi này là ValueError. Model đổi mọi ô sang số thực, và ô đầu tiên không đổi được là 'Quận 7'.
Cách sửa: mã hóa cột nhóm trước khi fit, bằng pd.get_dummies() hay OneHotEncoder; cột số bị đọc thành chữ thì đổi kiểu. Ôn lại: could not convert string to float khi fit.
3. X và y khác số dòng
from sklearn.linear_model import LinearRegression
LinearRegression().fit([[45], [60], [80], [100]], [2.1, 2.9, 3.8])
Dòng cuối của thông báo lỗi:
ValueError: Found input variables with inconsistent numbers of samples: [4, 3]
Python gọi lỗi này là ValueError. Danh sách cuối câu là số dòng của từng đối số theo thứ tự: X có 4 dòng, y có 3.
Cách sửa: lọc hay bỏ dòng trên một bảng chung rồi mới tách X, y, và kiểm thứ tự gán khi nhận kết quả của train_test_split(). Ôn lại: inconsistent numbers of samples.
4. Ô vô cực trong X
import numpy as np
from sklearn.linear_model import LinearRegression
LinearRegression().fit([[45], [np.inf], [80], [100]], [2.1, 2.9, 3.8, 4.6])
Dòng cuối của thông báo lỗi:
ValueError: Input X contains infinity or a value too large for dtype('float64').
Python gọi lỗi này là ValueError. Ô vô cực thường đến từ một phép chia cho 0 khi tạo cột tỉ lệ. Ô trống NaN cho một thông báo khác, nhiều dòng, ở trang riêng cuối trang này.
Cách sửa: tìm ô bằng np.isinf(), đổi chúng thành np.nan, rồi điền bằng SimpleImputer. Ôn lại: Input contains NaN.
5. predict() với số cột khác lúc fit
from sklearn.linear_model import LinearRegression
model = LinearRegression().fit([[45], [60], [80], [100]], [2.1, 2.9, 3.8, 4.6])
model.predict([[70, 2]])
Dòng cuối của thông báo lỗi:
ValueError: X has 2 features, but LinearRegression is expecting 1 features as input.
Python gọi lỗi này là ValueError. Model nhớ số cột lúc fit; dữ liệu mới phải có đúng chừng ấy cột, cùng nghĩa và cùng thứ tự.
Cách sửa: dựng dữ liệu mới bằng đúng các bước và cột của lúc fit; với một mẫu một cột, viết [[70]]. Ôn lại: fit và predict.
Nhãn y
Bộ phân loại cần y là các lớp rời nhau, và cần ít nhất hai lớp. Ba mục sau đến từ cột nhãn.
6. Bộ phân loại nhận nhãn số thực
from sklearn.linear_model import LogisticRegression
LogisticRegression().fit([[45], [60], [80], [100]], [2.1, 2.9, 3.8, 4.6])
Dòng cuối của thông báo lỗi:
ValueError: Unknown label type: continuous. Maybe you are trying to fit a classifier, which expects discrete classes on a regression target with continuous values.
Python gọi lỗi này là ValueError. continuous nghĩa là y trông như số đo liên tục, như giá nhà, chứ không phải các lớp.
Cách sửa: dự đoán một số thì dùng model hồi quy như LinearRegression; cần phân loại thì đổi y thành lớp, như "đắt" và "rẻ" theo một ngưỡng. Ôn lại: học có giám sát.
7. y chỉ có một lớp
from sklearn.linear_model import LogisticRegression
LogisticRegression().fit([[1], [2], [3], [4]], [0, 0, 0, 0])
Dòng cuối của thông báo lỗi:
ValueError: This solver needs samples of at least 2 classes in the data, but the data contains only one class: np.int64(0)
Python gọi lỗi này là ValueError. Không có lớp thứ hai thì không có gì để phân biệt. Lỗi này hay gặp khi lọc dữ liệu quá hẹp, hay khi lớp hiếm rơi hết vào phần test.
Cách sửa: kiểm y.value_counts() trước khi fit, và chia train test với stratify=y để lớp hiếm có mặt ở cả hai phần. Ôn lại: logistic regression.
8. stratify với lớp chỉ có một mẫu
from sklearn.model_selection import train_test_split
X = [[1], [2], [3], [4], [5], [6]]
y = [0, 0, 0, 0, 0, 1]
train_test_split(X, y, test_size=0.5, stratify=y, random_state=0)
Dòng cuối của thông báo lỗi:
ValueError: The least populated classes in y have only 1 member, which is too few. The minimum number of groups for any class cannot be less than 2. Classes with too few members are: [1]
Python gọi lỗi này là ValueError. Chia giữ tỉ lệ lớp cần mỗi lớp có mặt ở cả train lẫn test, nên lớp nào cũng phải có ít nhất hai mẫu.
Cách sửa: gộp các lớp quá hiếm vào một lớp "khác", hay thu thêm dữ liệu cho chúng; danh sách cuối câu kể đúng lớp gây lỗi. Ôn lại: train_test_split.
Chia dữ liệu và cross-validation
Hai mục sau đến từ việc xin chia nhiều hơn số mẫu đang có.
9. test_size lớn hơn số mẫu
from sklearn.model_selection import train_test_split
train_test_split([[1], [2], [3], [4]], [0, 1, 0, 1], test_size=5)
Dòng cuối của thông báo lỗi:
ValueError: test_size=5 should be either positive and smaller than the number of samples 4 or a float in the (0, 1) range
Python gọi lỗi này là ValueError. Số nguyên là số mẫu của phần test, số thực từ 0 đến 1 là tỉ lệ. Lỗi hay gặp khi muốn viết 0,25 mà gõ 25.
Cách sửa: viết tỉ lệ dạng test_size=0.25. Ôn lại: train_test_split.
10. Số fold nhiều hơn số mẫu của mọi lớp
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import cross_val_score
X = [[1], [2], [3], [4], [5], [6]]
cross_val_score(LogisticRegression(), X, [0, 0, 0, 0, 1, 1], cv=5)
Dòng cuối của thông báo lỗi:
ValueError: n_splits=5 cannot be greater than the number of members in each class.
Python gọi lỗi này là ValueError. Với bộ phân loại, cv=5 chia giữ tỉ lệ lớp thành 5 phần, mà cả hai lớp đều ít mẫu hơn 5: lớp 0 có 4, lớp 1 có 2. Lỗi chỉ dừng chương trình khi mọi lớp đều thiếu. Nếu chỉ một lớp thiếu, scikit-learn chạy tiếp và chỉ in một UserWarning báo lớp ít mẫu nhất có ít thành viên hơn n_splits.
Cách sửa: giảm cv xuống không quá số mẫu của lớp nhỏ nhất, hay dùng thêm dữ liệu. Ôn lại: cross-validation.
Model và tham số
Ba mục sau đến từ cách tạo và gọi model, không từ dữ liệu.
11. predict() trước fit()
from sklearn.linear_model import LinearRegression
model = LinearRegression()
model.predict([[70]])
Dòng cuối của thông báo lỗi:
sklearn.exceptions.NotFittedError: This LinearRegression instance is not fitted yet. Call 'fit' with appropriate arguments before using this estimator.
Python gọi lỗi này là NotFittedError, một lớp riêng của scikit-learn, con của ValueError và AttributeError; cách các lớp lỗi kế thừa nhau có ở bài exception. Model chưa học nên chưa có hệ số nào để dự đoán.
Cách sửa: gọi fit() trước, và nhớ fit() trả chính model, nên viết model = LinearRegression().fit(X, y) cũng được. Ôn lại: NotFittedError.
12. Giá trị tham số ngoài khoảng cho phép
from sklearn.linear_model import LogisticRegression
LogisticRegression(C=-1).fit([[1], [2], [3], [4]], [0, 1, 0, 1])
Dòng cuối của thông báo lỗi:
sklearn.utils._param_validation.InvalidParameterError: The 'C' parameter of LogisticRegression must be a float in the range (0.0, inf]. Got -1 instead.
Python gọi lỗi này là InvalidParameterError, lớp riêng của scikit-learn, con của ValueError và TypeError; xem bài exception. Lỗi chỉ báo lúc fit(), không lúc tạo model, và câu thông báo nêu khoảng hợp lệ.
Cách sửa: đặt giá trị trong khoảng câu thông báo nêu; C là nghịch đảo độ mạnh của phạt, nên phải dương. Ôn lại: hyperparameter.
13. predict_proba() của SVC
from sklearn.svm import SVC
model = SVC().fit([[1], [2], [3], [4]], [0, 0, 1, 1])
model.predict_proba([[2.5]])
Dòng cuối của thông báo lỗi:
AttributeError: This 'SVC' has no attribute 'predict_proba'
Python gọi lỗi này là AttributeError. SVC mặc định không ước lượng xác suất, nên phương thức này không có.
Cách sửa: tạo SVC(probability=True), hay dùng decision_function() khi chỉ cần xếp hạng mẫu. Ôn lại: SVM.
Mã hóa
14. Nhóm mới khi transform
import pandas as pd
from sklearn.preprocessing import OneHotEncoder
enc = OneHotEncoder().fit(pd.DataFrame({"kenh": ["App", "Zalo", "Website"]}))
enc.transform(pd.DataFrame({"kenh": ["Shopee"]}))
Dòng cuối của thông báo lỗi:
ValueError: Found unknown categories ['Shopee'] in column 0 during transform
Python gọi lỗi này là ValueError. Bộ mã hóa chỉ có cột cho các nhóm đã thấy lúc fit.
Cách sửa: nhóm mới thật thì OneHotEncoder(handle_unknown="ignore"); nhóm lạ do gõ khác thì dọn chữ trước khi mã hóa. Ôn lại: Found unknown categories.
Code cũ trên scikit-learn mới
Hai tham số dưới đây có trong nhiều bài hướng dẫn cũ nhưng đã bị gỡ hay đổi tên.
15. mean_squared_error(..., squared=False)
from sklearn.metrics import mean_squared_error
mean_squared_error([3.2, 5.0], [3.0, 5.6], squared=False)
Dòng cuối của thông báo lỗi:
TypeError: got an unexpected keyword argument 'squared'
Python gọi lỗi này là TypeError. Tham số squared đã bị gỡ khỏi hàm.
Cách sửa: tính RMSE bằng root_mean_squared_error(y_that, y_doan). Ôn lại: squared=False.
16. OneHotEncoder(sparse=False)
from sklearn.preprocessing import OneHotEncoder
OneHotEncoder(sparse=False)
Dòng cuối của thông báo lỗi:
TypeError: OneHotEncoder.__init__() got an unexpected keyword argument 'sparse'
Python gọi lỗi này là TypeError. Tham số đã đổi tên thành sparse_output.
Cách sửa: viết OneHotEncoder(sparse_output=False). Ôn lại: OneHotEncoder sparse.
Gom cụm
17. Nhiều cụm hơn số điểm
from sklearn.cluster import KMeans
KMeans(n_clusters=5, n_init=10, random_state=0).fit([[1], [2], [3]])
Dòng cuối của thông báo lỗi:
ValueError: n_samples=3 should be >= n_clusters=5.
Python gọi lỗi này là ValueError. Mỗi cụm cần ít nhất một điểm, nên số cụm không vượt được số điểm.
Cách sửa: chọn n_clusters nhỏ hơn số dòng, theo cách chọn K bằng inertia và silhouette. Ôn lại: K-Means.
Lỗi có trang riêng
Các lỗi dưới đây cần nhiều chỗ hơn một mục: có vài nguyên nhân, cách sửa tùy máy hay tùy bản thư viện, hoặc thuộc một gói khác như LightGBM, nên mỗi lỗi có trang riêng:
Lỗi | Nguyên nhân | Trang sửa |
|---|---|---|
| chưa cài, hay cài nhầm gói | |
| X còn ô trống | |
| cột của dữ liệu mới lệch tên hay thứ tự | |
| bộ dữ liệu Boston đã bị gỡ | |
| hàm vẽ cũ đã bị gỡ | |
| thiếu dòng bật từ | |
| code LightGBM cũ, cột chữ |
Cảnh báo không dừng chương trình
Những trường hợp dưới đây không có dòng lỗi: chương trình chạy tiếp và in một cảnh báo lẫn trong kết quả. Vì vậy chúng dễ bị bỏ qua hơn mọi lỗi ở trên.
Cảnh báo | Nguyên nhân hay gặp | Trang sửa |
|---|---|---|
| cột chưa chuẩn hóa, | |
| model không đoán lớp dương nào | |
| model lưu bằng bản scikit-learn khác | |
| fit bằng DataFrame, predict bằng mảng NumPy | |
|
|
Các trang sửa cho xem câu cảnh báo đầy đủ và cách bắt cảnh báo trong code.
Hiểu sai kết quả
Code chạy đúng mà kết luận vẫn sai: không thư viện nào báo những lỗi này.
Chuẩn hóa hay điền ô trống trên cả bảng trước khi chia train test: bài data leakage.
Khen accuracy 95 % trên dữ liệu chỉ 5 % lớp dương: bài baseline và dữ liệu mất cân bằng.
Chấm điểm model trên chính dữ liệu đã fit: bài overfitting và underfitting.
Chọn tham số theo điểm của tập test rồi báo chính điểm đó: bài train, validation, test.
Câu hỏi thường gặp
Lỗi sklearn của tôi không có trong 17 mục này thì làm sao?
Đọc dòng cuối để biết tên lỗi, rồi đọc câu sau dấu hai chấm: scikit-learn thường nói thẳng tham số hay cột nào sai. Trang sửa code cũ gom các tên đã đổi giữa các bản.
Vì sao cùng đoạn code, máy tôi in câu lỗi khác?
Thường do khác bản scikit-learn. In sklearn.__version__; các câu trên trang là của bản 1.8.0. Bài cài đặt scikit-learn chỉ cách kiểm và nâng bản.
Có nên tắt hết cảnh báo cho gọn không?
Không nên tắt hết. Cảnh báo của scikit-learn thường báo đúng chỗ kết quả không đáng tin, như model chưa hội tụ hay precision không xác định. Chỉ lọc một cảnh báo cụ thể khi đã hiểu nó, như bài cảnh báo trong Python chỉ cách.
Chủ đề
Bài này có hữu ích?
Hỏi đáp
Tham vấn chuyên môn
Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE
- Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
- Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
- Xây hệ thống AI cho doanh nghiệp tại VietPlatform.