在sklearn中尝试交叉验证时出现类型错误

Question

我真的需要一些帮助，但我是编程新手，所以请原谅我的无知。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进行交叉验证。

下面是我的代码:

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]

当我运行这个时，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，它是0和1的列表-每个列表代表一个分类变量，已使用OneHotEncoder编码。

考虑到这一点-有什么建议如何解决这个问题?

将回归估计器拟合到该数据似乎有效，尽管我得到了很多非常大/奇怪的系数。老实说，进入sklearn尝试某种分类线性回归的整个过程都充满了烦恼，我欢迎在这一点上任何建议。

编辑2对不起，我尝试了另一种方法，错误地把错误回调:

    ---------------------------------------------------------------------------
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 FilesAnacondalibsite-packagessklearnbase.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 FilesAnacondalibsite-packagessklearnmetricsmetrics.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，但您的数据是普通的Python列表。Python列表不支持numpy数组所支持的各种花哨的索引。您看到这个错误是因为Python试图将train和test解释为它可以用来索引到列表的东西，并且无法这样做。对于X_digits和Y_digits，您需要使用numpy数组而不是列表。(或者，您可以使用列表推导式或类似的方法提取给定的索引，但由于scikit无论如何都会转换为numpy，因此您最好首先使用numpy。)