Scikit-learn 交叉验证分数：数组索引过多

Posted 2023-02-23

【中文标题】Scikit-learn 交叉验证分数：数组索引过多

【英文标题】：Scikit-learn cross val score: too many indices for array

【发布时间】：2015-11-06 19:56:40

【问题描述】：

我有以下代码

 from sklearn.ensemble import ExtraTreesClassifier
 from sklearn.cross_validation import cross_val_score
 #split the dataset for train and test
 combnum['is_train'] = np.random.uniform(0, 1, len(combnum)) <= .75
 train, test = combnum[combnum['is_train']==True], combnum[combnum['is_train']==False]

 et = ExtraTreesClassifier(n_estimators=200, max_depth=None, min_samples_split=10, random_state=0)
 min_samples_split=10, random_state=0  )

 labels = train[list(label_columns)].values
 tlabels = test[list(label_columns)].values

 features = train[list(columns)].values
 tfeatures = test[list(columns)].values

 et_score = cross_val_score(et, features, labels, n_jobs=-1)
 print("0 -> ET: 1)".format(label_columns, et_score))

检查数组的形状：

 features.shape
 Out[19]:(43069, 34)

和

labels.shape
Out[20]:(43069, 1)

我得到了：

IndexError: too many indices for array

以及追溯的相关部分：

---> 22 et_score = cross_val_score(et, features, labels, n_jobs=-1)

我正在从 Pandas 数据框创建数据，我在这里搜索并看到一些通过这种方法可能出现的错误的参考，但不知道如何纠正？ 数据数组的样子： 特点

Out[21]:
array([[ 0.,  1.,  1., ...,  0.,  0.,  1.],
   [ 0.,  1.,  1., ...,  0.,  0.,  1.],
   [ 1.,  1.,  1., ...,  0.,  0.,  1.],
   ..., 
   [ 0.,  0.,  1., ...,  0.,  0.,  1.],
   [ 0.,  0.,  1., ...,  0.,  0.,  1.],
   [ 0.,  0.,  1., ...,  0.,  0.,  1.]])

标签

Out[22]:
array([[1],
   [1],
   [1],
   ..., 
   [1],
   [1],
   [1]])

【问题讨论】：

请发布完整的回溯。你在哪个版本的 scikit-learn 上？你可以尝试通过labels.ravel() 来代替吗？

labels.ravel() 做到了！只是在阅读另一个错误，这表明使用不同的代码，我在 Scikit learn 17 dev0

@AndreasMueller 非常感谢您的快速回复！如果你能做出回答，可能会帮助其他一些人..

我不认为这是一个好的错误。你能在问题跟踪器中打开一个问题吗？

MMM 我应该将错误发布到哪里？ Pandas 还是 scikit-learn？

【参考方案1】：

您可能需要稍微调整一下尺寸，例如

et_score = cross_val_score(et, features, labels, n_jobs=-1)[:,n]

或

 et_score = cross_val_score(et, features, labels, n_jobs=-1)[n,:]

n 是维度。

【参考方案2】：

尝试目标：

y=df['Survived'] 

相反，我使用了

y=df[['Survived']] 

这使目标 y 成为日期框架，看起来系列就可以了

【参考方案3】：

将.ravel() 添加到传递给公式的 Y/Labels 变量也有助于在 KNN 中解决此问题。

【参考方案4】：

当我们在 scikit-learn 中进行交叉验证时，该过程需要 (R,) 形状标签而不是 (R,1)。尽管它们在某种程度上是相同的东西，但它们的索引机制是不同的。所以在你的情况下，只需添加：

c, r = labels.shape
labels = labels.reshape(c,)

在将其传递给交叉验证函数之前。

【参考方案5】：

如果您将目标标签指定为 Pandas 的单个数据列，这似乎是可以修复的。如果目标有多个列，我会收到类似的错误。例如尝试：

labels = train['Y']

【讨论】：

这个答案更简单直接。谢谢。