交叉验证-TypeError：只有长度为1的数组才能转换为Python标量

我正在尝试使用

交叉验证程序

对我的数据执行交叉验证任务。但是，它不起作用，但却给了我以下错误：

Traceback (most recent call last):
  File "/home/sfalk/workspace/SemEval2016/java/semeval2016-python/semeval_slot1_pybrain_cv.py", line 173, in <module>
    evaluation = ModuleValidator.classificationPerformance(trainer.module, ds)
  File "/usr/local/lib/python2.7/dist-packages/pybrain/tools/validation.py", line 168, in classificationPerformance
    dataset)
  File "/usr/local/lib/python2.7/dist-packages/pybrain/tools/validation.py", line 204, in validate
    return valfunc(output, target)
  File "/usr/local/lib/python2.7/dist-packages/pybrain/tools/validation.py", line 33, in classificationPerformance
    return float(n_correct) / float(len(output))
TypeError: only length-1 arrays can be converted to Python scalars

---

有没有关于这个问题的建议？

@KennyOstrom好吧，看来它是一个

np.array（[]）

而不是一个标量..好了。验证器是正确的，错误消息是准确的。@KennyOstrom好吧，它似乎是一个

np.array（[]）

而不是一个标量。好了。验证程序是正确的，错误消息是准确的。

trainer = BackpropTrainer( fnn, momentum=0.1, verbose=False, weightdecay=0.0)

for j in range(len(X_train)):

    x = X_train[j]
    y = Y_train[j]

    ds = SupervisedDataSet(len(x), len(y))
    ds.addSample(x, y)

    trainer.trainOnDataset(dataset=ds)


trainer = BackpropTrainer(fnn, ds)
evaluation = ModuleValidator.classificationPerformance(trainer.module, ds)
validator = CrossValidator(trainer=trainer, dataset=trainer.ds, n_folds=5, valfunc=evaluation)
print(validator.validate())