sckit-learn学習させている途中でエラーが発生しました。

#前提・実現したいこと
メーターの数字をsckit-learnを用いて行いたいと考えており、
自分でデータセットを作り学習させる途中でエラーが発生しました。
言語はpython3です。
自作したデータセットを用いて、test.pyで実行すると、以下のようなエラーが出てきます。
発生している問題・エラーメッセージ

#出力内容（最後のほうにエラーがでています）

---------2の画像をnumpy形式に変換し、Listに格納中---------
---------7の画像をnumpy形式に変換し、Listに格納中---------
---------8の画像をnumpy形式に変換し、Listに格納中---------
------------リストをnumpy形式に変換中-----------
Iteration 1, loss = 175.43883525
Iteration 2, loss = inf
Iteration 3, loss = inf
Iteration 4, loss = inf
Iteration 5, loss = inf
Iteration 6, loss = inf
Iteration 7, loss = inf
Iteration 8, loss = inf
Iteration 9, loss = inf
Iteration 10, loss = inf
Iteration 11, loss = inf
Iteration 12, loss = inf
Training loss did not improve more than tol=0.000100 for 10 consecutive epochs. Stopping.
精度 0.7
Traceback (most recent call last):

  File "<ipython-input-8-a639f0b2b1f0>", line 1, in <module>
    runfile('C:/Users/erifu/Desktop/data0417/test.py', wdir='C:/Users/erifu/Desktop/data0417')

  File "C:\Users\erifu\Anaconda3\lib\site-packages\spyder_kernels\customize\spydercustomize.py", line 827, in runfile
    execfile(filename, namespace)

  File "C:\Users\erifu\Anaconda3\lib\site-packages\spyder_kernels\customize\spydercustomize.py", line 110, in execfile
    exec(compile(f.read(), filename, 'exec'), namespace)

  File "C:/Users/erifu/Desktop/data0417/test.py", line 32, in <module>
    print(metrics.confusion_matrix(data_test,p))

  File "C:\Users\erifu\Anaconda3\lib\site-packages\sklearn\metrics\classification.py", line 253, in confusion_matrix
    y_type, y_true, y_pred = _check_targets(y_true, y_pred)

  File "C:\Users\erifu\Anaconda3\lib\site-packages\sklearn\metrics\classification.py", line 81, in _check_targets
    "and {1} targets".format(type_true, type_pred))

ValueError: Classification metrics can't handle a mix of multiclass-multioutput and binary targets

#該当のソースコード（test.py）

from sklearn.model_selection import train_test_split
import suuji_0420
import numpy as np

データの読み込み
number=suuji_0420.load_Suuji()
data,target=number.data,number.target

学習とテストに分ける
data_train,data_test,target_train,target_test=train_test_split(data,target,train_size=0.8,random_state=1)

学習器の作成
from sklearn.neural_network import MLPClassifier
mlp=MLPClassifier(verbose=True)
mlp.fit(data_train,target_train)

評価
p=mlp.predict(data_test)
print("精度",np.mean(p==target_test))#正解率

間違った文字の確認
from sklearn import metrics
print(metrics.confusion_matrix(data_test,p))

from sklearn.externals import joblib
joblib.dump(mlp,"model.pkl",compress=True)#モデルの保存

#データセット作成コード(suuuji0420)

from PIL import Image
import numpy as np
import os,glob

画像フォルダのへの絶対パス
ROOT_DIR="/Users/erifu/Desktop/data0417/"
画像フォルダー名
categories=["2","7","8"]

クラス
class Number():
    def __init__(self,data,target,target_names,images):
        self.data=data
        self.target=target
        self.target_names=target_names
        self.images=images
    キー（インスタンス変数）を取得するメソッド
    def keys(self):
        print("[data,target,target_names,images]")
        
画像データをnumpy形式に変換してデータセットを作成
def load_Suuji():
    data=[]#画像の一次元データを格納するリスト
    target=[]#ラベル（正解）の情報を格納するリスト
    target_names=["2","7","8"]
    images=[]#画像の二次元データを格納するリスト
    
    for label,category in enumerate(categories):
        file_dir=ROOT_DIR + category
        すべての画像をとってくる
        files=glob.glob(file_dir + "/*.jpg")
        print("---------{}の画像をnumpy形式に変換し、Listに格納中---------".format(category))
        for i,f in enumerate(files):
            img=Image.open(f)
            img=img.convert('L')#画像をフレースケールに変換
            img=img.resize((84,84))
            imgdata=np.asarray(img)#numpy配列に変換
            images.append(imgdata)#画像データの二次元配列
            data.append(imgdata.flatten())#画像データの一次元配列
            target.append(label)#正解ラベルを格納
    
    print("------------リストをnumpy形式に変換中-----------")
    data=np.array(data)
    target=np.array(target)
    target_names=np.array(target_names)
    images=np.array(images)
    
    インスタンスを生成
    suuji=Number(data, target, target_names, images)
    
    return suuji

#備考
データセット作成時点で問題があるのかそれとも学習時点で問題があるのかすらよくわかりません。
ご回答のほどよろしくお願いいたします。