scikit.learn cross-valu中的错误

Question

请参考以下地址的笔记本

LogisticRegression

这部分代码

scores = cross_val_score(LogisticRegression(), X, y, scoring='accuracy', cv=10)
print scores
print scores.mean()

在Windows764位计算机中生成以下错误

---------------------------------------------------------------------------
 IndexError                                Traceback (most recent call last)
 <ipython-input-37-4a10affe67c7> in <module>()
 1 # evaluate the model using 10-fold cross-validation
 ----> 2 scores = cross_val_score(LogisticRegression(), X, y, scoring='accuracy', cv=10)
  3 print scores
  4 print scores.mean()

 C:\Python27\lib\site-packages\sklearn\cross_validation.pyc in    cross_val_score(estimator, X, y, scoring, cv, n_jobs, verbose, fit_params, score_func, pre_dispatch)
  1140                         allow_nans=True, allow_nd=True)
  1141 
  -> 1142     cv = _check_cv(cv, X, y, classifier=is_classifier(estimator))
  1143     scorer = check_scoring(estimator, score_func=score_func, scoring=scoring)
  1144     # We clone the estimator to make sure that all the folds are

  C:\Python27\lib\site-packages\sklearn\cross_validation.pyc in _check_cv(cv, X, y, classifier, warn_mask)
  1366         if classifier:
  1367             if type_of_target(y) in ['binary', 'multiclass']:
  -> 1368                 cv = StratifiedKFold(y, cv, indices=needs_indices)
  1369             else:
  1370                 cv = KFold(_num_samples(y), cv, indices=needs_indices)

  C:\Python27\lib\site-packages\sklearn\cross_validation.pyc in __init__(self, y, n_folds, indices, shuffle, random_state)
  428         for test_fold_idx, per_label_splits in enumerate(zip(*per_label_cvs)):
  429             for label, (_, test_split) in zip(unique_labels, per_label_splits):
--> 430                 label_test_folds = test_folds[y == label]
 431                 # the test split can be too big because we used
 432                 # KFold(max(c, self.n_folds), self.n_folds) instead of

IndexError: too many indices for array 

我正在使用scikit.learn 0.15.2，建议here这可能是Windows7 64位计算机的一个特定问题。

=update=update=update=

我发现下面的代码确实有效

 from sklearn.cross_validation import KFold
 cv = KFold(X.shape[0], 10, shuffle=True, random_state=33)
 scores = cross_val_score(LogisticRegression(), X, y, scoring='accuracy', cv=cv)
 print scores

=update 2=

似乎由于某些包更新，我无法再在我的计算机上重现此类错误。如果您在Windows764位计算机上遇到同样的问题，请告诉我。

Answer 1

我也犯了同样的错误，当我发现这个问题的时候，我正在寻找答案。

我使用相同的sklearn.cross_validation.cross_valu score（不同的算法除外）和相同的机器windows 7，64位。

我从上面尝试了你的解决方案，它“起作用”，但它给了我以下警告：

C:\Users\E245713\AppData\Local\Continuum\Anaconda3\lib\site-packages\sklearn\cross_validation.py:1531: 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(). estimator.fit(X_train, y_train, **fit_params)

在阅读了警告之后，我发现问题与“y”（我的标签栏）的形状有关。要从警告中尝试的关键字是“ravel（）”。所以，我尝试了以下方法：

y_arr = pd.DataFrame.as_matrix(label)
print(y_arr)
print(y_arr.shape())

给了我

  [[1]
   [0]
   [1]
   .., 
   [0]
   [0]
   [1]]

  (87939, 1)

当我添加“ravel（）”时：

y_arr = pd.DataFrame.as_matrix(label).ravel()
print(y_arr)
print(y_arr.shape())

它给了我：

[1 0 1 ..., 0 0 1]

(87939,)

“y_arr”的维数必须是（87939，）而不是（87939,1）。 在那之后，我最初的cross_valu嫒u分数在没有添加Kfold代码的情况下工作。

希望这有帮助。

Answer 2

我知道答案迟了。
但这个答案可能会帮助其他人克服同样的错误。 我对Python3.6也有同样的问题 从3.6改为3.5后，我就可以使用该功能了。
下面是我运行的示例：

accuracies = cross_val_score(estimator = classifier, X = X_train, y = y_train, cv = 10, n_jobs = -1)

首先用3.5版本创建conda env。

conda create -n py35 python=3.5  
source activate py35  

希望这有助于我们向前迈进