Pandas Sci工具包学习管道返回索引器错误：数组的索引太多

我正试图为一些简单的机器学习项目掌握sci kit learn，但我不知道我做错了什么

我正在努力解决一个问题

这是我的密码：

import pandas as pd

train = pd.read_csv(local path to training data)
train_labels = pd.read_csv(local path to labels)


from sklearn.decomposition import PCA
from sklearn.svm import LinearSVC
from sklearn.grid_search import GridSearchCV

pca = PCA()
clf = LinearSVC()

n_components = arange(1, 39)
loss =['l1','l2']
penalty =['l1','l2']
C = arange(0, 1, .1)
whiten = [True, False]
from sklearn.pipeline import Pipeline

#set up pipeline
pipe = Pipeline(steps=[('pca', pca), ('clf', clf)])



#set up GridsearchCV
estimator = GridSearchCV(pipe, dict(pca__n_components = n_components, pca__whiten = whiten,
                                    clf__loss = loss, clf__penalty = penalty, clf__C = C))
estimator

返回：

GridSearchCV(cv=None,
       estimator=Pipeline(steps=[('pca', PCA(copy=True, n_components=None, whiten=False)), ('clf', LinearSVC(C=1.0, class_weight=None, dual=True, fit_intercept=True,
     intercept_scaling=1, loss='l2', multi_class='ovr', penalty='l2',
     random_state=None, tol=0.0001, verbose=0))]),
       fit_params={}, iid=True, loss_func=None, n_jobs=1,
       param_grid={'clf__penalty': ['l1', 'l2'], 'clf__loss': ['l1', 'l2'], 'clf__C': array([ 0. ,  0.1,  0.2,  0.3,  0.4,  0.5,  0.6,  0.7,  0.8,  0.9]), 'pca__n_components': array([ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16, 17,
       18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34,
       35, 36, 37, 38]), 'pca__whiten': [True, False]},
       pre_dispatch='2*n_jobs', refit=True, score_func=None, scoring=None,
       verbose=0)

但当我尝试训练数据时：

estimator.fit(train, train_labels)

错误是：

    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

---

有人能给我指出正确的方向吗？

结果是熊猫数据框的形状不对

estimator.fit(train.values, train_labels[0].values)

---

虽然我也不得不放弃惩罚项，但仍然有效。

不，这是sci工具包/numpy没有正确调用数组属性的问题，有时有效有时无效。我发现最好显式调用

.values

属性，以便它总是将numpy数组作为参数传递，以确保兼容性，我会记得的。我认为

train_标签

应该是

pd.Series

而不是

pd.DataFrame

（它是目标值的1D数组；这与恰好只有一列的2D数组不同）。这就是为什么在为列

列标签[0]

编制索引时它会起作用的原因；不需要

.values

@EdChum，我已经尝试过了。但是values和[0]都不起作用。我得到一个ValueError：找到了样本数不一致的输入变量：[6800，1]