我正在使用 GridSearchCV 训练一个 Ann 机器学习模型，但在 gridSearchCV 中遇到了 IndexError答案

【问题标题】：I was training an Ann machine learning model using GridSearchCV and got stuck with an IndexError in gridSearchCV我正在使用 GridSearchCV 训练一个 Ann 机器学习模型，但在 gridSearchCV 中遇到了 IndexError
【发布时间】：2020-01-27 14:50:59
【问题描述】：

我的模型开始训练并在执行一段时间时出现错误：- IndexError：索引 37 超出轴 0 的范围，大小为 37

它可以为我的模型正确执行，而无需使用带有固定参数的 gridsearchCV

这是我的代码

    from keras.wrappers.scikit_learn import KerasClassifier
    from sklearn.model_selection import GridSearchCV
    from keras.models import Sequential
    from keras.layers import Dense
    def build_classifier(optimizer, nb_layers,unit):
        classifier = Sequential()
        classifier.add(Dense(units = unit, kernel_initializer = 'uniform', activation = 'relu', input_dim = 14))
        i = 1
        while i <= nb_layers:
            classifier.add(Dense(activation="relu", units=unit, kernel_initializer="uniform"))
            i += 1
        classifier.add(Dense(units = 38, kernel_initializer = 'uniform', activation = 'softmax'))
        classifier.compile(optimizer = optimizer, loss = 'sparse_categorical_crossentropy', metrics = ['accuracy'])
        return classifier
    classifier = KerasClassifier(build_fn = build_classifier)
    parameters = {'batch_size': [10,25],
                  'epochs': [100,200],
                  'optimizer': ['adam'],
                  'nb_layers': [5,6,7],
                  'unit':[48,57,76]
                 }
    grid_search = GridSearchCV(estimator = classifier,
                               param_grid = parameters,
                               scoring = 'accuracy',
                              cv=5,n_jobs=-1)
    grid_search = grid_search.fit(X_train, y_train)
    best_parameters = grid_search.best_params_
    best_accuracy = grid_search.best_score_

【问题讨论】：

欢迎来到 SO；请将您的帖子中的错误消息复制并粘贴为 text - 看看为什么an image of your exception isn't helpful.

标签： machine-learning keras scikit-learn neural-network

【解决方案1】：

看看你的 y_train 的形状。它必须是某种形状的热（,37）

【讨论】：

【解决方案2】：

这是一个具有大量类（38 个类）的多类分类器。 GridSearchCV 似乎没有通过分层抽样来拆分您的数据集，可能是因为您没有足够的数据和/或您的数据集不是类平衡的。

根据documentation：

对于整数/无输入，如果估计器是分类器并且 y 是使用二元或多类，StratifiedKFold。在所有其他情况下，使用 KFold。

通过使用categorical_crossentropy，KerasClassifier 将使用keras.utils.to_categorical 将目标（类向量（整数））转换为二进制类矩阵。由于有 38 个类，每个目标将被转换为 38 维的二进制向量（索引从 0 到 37）。

我猜在某些拆分中，验证集没有来自所有 38 个类的样本，因此目标被转换为维度

【讨论】：

【解决方案3】：

错误IndexError: index 37 is out of bounds for axis 0 with size 37 表示您的对象中没有索引为 37 的元素。

在python中，如果你有一个像数组或列表这样的对象，它的元素以数字索引，如果它有n元素，则索引将从0变为n-1（这是一般情况，使用数据帧中的重新索引除外）。

因此，如果您拥有 37 个元素，则只能检索 0-36 之间的元素。

【讨论】：