在 sklearn 中尝试交叉验证时出现 TypeError

Question

我真的需要一些帮助，但我是编程新手，所以请原谅我的普遍无知。我正在尝试使用来自 scikit 的普通最小二乘回归作为估计器对数据集执行交叉验证。

这是我的代码：

from sklearn import cross_validation, linear_model
import numpy as np

X_digits = x
Y_digits = list(np.array(y).reshape(-1,))

loo = cross_validation.LeaveOneOut(len(Y_digits))

# Make sure it works
for train_indices, test_indices in loo:
    print('Train: %s | test: %s' % (train_indices, test_indices))

regr = linear_model.LinearRegression()

[regr.fit(X_digits[train], Y_digits[train]).score(X_digits[test], Y_digits[test]) for train, test in loo]

当我运行它时，我得到一个错误：

**TypeError: only integer arrays with one element can be converted to an index**

这应该是指我的 x 值，它们是 0 和 1 的列表 - 每个列表代表一个已使用 OneHotEncoder 编码的分类变量。

考虑到这一点 - 对于如何解决这个问题有什么建议吗？

对这些数据拟合回归估计器似乎可行，尽管我得到了很多非常大/看起来很奇怪的系数。老实说，在 sklearn 中尝试某种分类线性回归的整个过程非常令人担忧，在这一点上我欢迎任何建议。

编辑 2 抱歉，我尝试了另一种方法并错误地将错误回调：

    ---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-9-be578cbe0327> in <module>()
     16 regr = linear_model.LinearRegression()
     17 
---> 18 [regr.fit(X_digits[train], Y_digits[train]).score(X_digits[test], Y_digits[test]) for train, test in loo]

TypeError: only integer arrays with one element can be converted to an index

EDIT 3 添加我的自变量 (x) 数据的示例：

print x[1]
[ 1.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  1.  0.  0.  0.  0.
  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.
  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  1.  0.  0.  0.  0.]

EDIT 4 尝试将列表转换为数组，遇到错误：

X_digits = np.array(x)
Y_digits = np.array(y)


---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-20-ea8b84f0005f> in <module>()
     14 
     15 
---> 16 [regr.fit(X_digits[train], Y_digits[train]).score(X_digits[test], Y_digits[test]) for train, test in loo]

C:\Program Files\Anaconda\lib\site-packages\sklearn\base.py in score(self, X, y)
    320 
    321         from .metrics import r2_score
--> 322         return r2_score(y, self.predict(X))
    323 
    324 

C:\Program Files\Anaconda\lib\site-packages\sklearn\metrics\metrics.py in r2_score(y_true, y_pred)
   2184 
   2185     if len(y_true) == 1:
-> 2186         raise ValueError("r2_score can only be computed given more than one"
   2187                          " sample.")
   2188     numerator = ((y_true - y_pred) ** 2).sum(dtype=np.float64)

ValueError: r2_score can only be computed given more than one sample.

Answer 1

交叉验证迭代器返回用于索引 numpy 数组的索引，但您的数据是纯 Python 列表。 Python 列表不支持 numpy 数组所做的花哨类型的索引。您看到此错误是因为 Python 试图将 train 和 test 解释为可用于索引到列表中的东西，但无法这样做。您需要为 X_digits 和 Y_digits 使用 numpy 数组而不是列表。 （或者，您可以使用列表解析等提取给定的索引，但由于 scikit 无论如何都会转换为 numpy，因此您最好首先使用 numpy。）