Python 3.x 如果glmnet确实需要浮动，为什么在我提供浮动时glmnet.py会在cvglmnet抛出TypeError？

我正在尝试在Glmnet Vignette之后使用Glmnet包运行glm for logistic回归，我的响应变量“y”的类型有问题。 我想同时执行glmnet函数和cvglmnet函数。vignette说，“对于二项逻辑回归，响应变量y应该是两个水平的因子，或者是计数或比例的两列矩阵。”。 我从一个数据帧的一列中得到y值。类似地，我的输入矩阵x来自一个数据帧的几列。所以我的y.values是一个形状为（290）的numpy.ndarray，由1和2组成，是一个整数数组

若要检查我的类型，请执行以下操作：

isinstance(y.values,scipy.ndarray)
True
isinstance(y.values,np.ndarray)
True
isinstance(y.values,int)
False
type(y.values[1])
numpy.int64
isinstance(y.values, float)
False

如果我跑

fit = glmnet(x = fold1_sp.copy(), y = y.values, family = 'binomial')

我犯了一个错误

ValueError: y input must be a scipy float64 ndarray

我发现他们试图解决这个问题，提到任何对scipy float 64 ndarray的搜索都会返回numpy float ndarray结果，因为它们基本上是相同的对象类型，所以我转换为numpy float：

fit = glmnet(x = fold1_sp.copy(), y = np.float64(y.values), family = 'binomial')

它运行得很好。 但这样我的y数组是由浮点数1'和浮点数2'组成的

如果我现在尝试使用cvglmnet函数，它会抱怨它需要一个整数

cvfit = cvglmnet(x = fold1_sp.copy(), y = np.float64(y.values), family = 'binomial', ptype = 'class')

引发以下错误：

TypeError: 'numpy.float64' object cannot be interpreted as an integer

这至少对我来说是奇怪的，因为它之前要求一个浮点，如果我使用y作为整数使用原始的y.values，那么它再次抱怨它需要scipy float64

那么我如何克服这个类型错误问题呢

非常感谢

这有用吗

cvglmnet(x = fold1_sp.copy(), y = np.int64(y.values), family = 'binomial', ptype = 'class')

---

没有@MLS，它会抛出类似的错误消息：

ValueError:y输入必须是scipy float64 ndarray

我发现glmnet_python的github存储库中存在一个问题，该问题显然已关闭，没有解决问题。