【已解决】Python_sklearn_svm报错 ValueError: The number of classes has to be greater than one； got 1 class

网上（百度）能找到的报错答疑比较少，所以来贴个帖子。同为分享故，减少后来人的坑。

运行sklearn.svm函数预测时，报错 ValueError: The number of classes has to be greater than one; got 1 class
找到报错原因了，因为y只有一种可能的值，1.

接下来，是要找到为什么y的赋值只有1.
—— —— ——

先附函数代码：

```python
data.sort_index(0,ascending=False,inplace=True)
dayfeature=150
featurenum=5*dayfeature
x=np.zeros((data.shape[0]-dayfeature,featurenum+1))
y=np.zeros((data.shape[0]-dayfeature))
 
for i in range(0,data.shape[0]-dayfeature):
    x[i,0:featurenum]=np.array(data[i:i+dayfeature][[u'收盘价',u'最高价',u'最低价',u'开盘价',u'成交量']]).reshape((1,featurenum))
    x[i,featurenum]=data.ix[i+dayfeature][u'开盘价']
 
for i in range(0,data.shape[0]-dayfeature):
    if data.ix[i+dayfeature][u'收盘价']>=data.ix[i+dayfeature][u'开盘价']:
        y[i]=1
    else:
        y[i]=0          
 
clf=svm.SVC(kernel='rbf')
result = []
for i in range(5):
#     x_train, x_test, y_train, y_test = cross_validation.train_test_split(x, y, test_size = 0.2)
    x_train, x_test, y_train, y_test = train_test_split(x, y, test_size = 0.2)
    clf.fit(x_train, y_train)
    result.append(np.mean(y_test == clf.predict(x_test)))
print("svm classifier accuacy:")
print(result)

```python

附图1：运行sklearn.svm函数预测时，报错：

附图2：往回看 y的赋值过程及结果，y全是1.

附图3：再往回看 y的赋值来源data（见下图）

抽查了一下，还真是收盘价都大于等于开盘价。。。那就是没发现什么前后矛盾的地方，y目前为止还都是1。。。

1990年还是市场经济开始飞速发展的时候，指数直上可以理解。那我们排个序看看最近波动不停的股指。。。
然而，看最近几天的，还是收盘价>=开盘价（见下图）。突然闪过一个念头：我是不是在更新列名的时候，把收盘价和开盘价，更新成了最高价和最低价，所以，因为最高价永远>=最低价，所以更换错的收盘价也永远>=开盘价。

那接下来看看是不是这个原因。

果然，乌龙找出来了（见下图）。

列命名的时候错乱了，把最低价当成开盘价（见以下命名代码）。那就是，不管收盘价是哪个数值，都会比“最低价”高，所以y就全部是1，所以sklearn.svm模型就报错。

那接下来，把列名更新改正，重跑一遍试试。

colNameDict = {
    'open':'收盘价',
    'high':'最高价',
    'close':'最低价',
    'low':'开盘价',
    'vol':'成交量'}                  #将‘源数据列名’改为‘新列名’

成功（下图）。