Python 为randomforest分类器运行任何BayesSearchCV函数时出错

我尝试使用RF分类器，但每次尝试运行bayessearchCV函数时，都会返回一个错误。附件是我的具体例子和一个例子，你可以运行和复制。 我怀疑这可能是由于train_test_split函数造成的，但我不完全确定如何对其进行分类。请让我知道，如果我的代码中有任何明显错误

我目前正在使用最新版本的sklearn/skopt/numpy等

import numpy as np
import pandas as pd
from sklearn import preprocessing
from matplotlib import pyplot as plt
import xgboost as xgb
import sklearn
from sklearn.linear_model import LogisticRegression
from sklearn.linear_model import ElasticNet
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score 
from sklearn.metrics import roc_auc_score
from skopt import BayesSearchCV
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import GridSearchCV
opt = BayesSearchCV(
    RandomForestClassifier(random_state=42),
    {
        'n_estimators': (5,5000),
        'max_features': ['auto','sqrt'],
        'max_depth': (2,90),
        'min_samples_split': (2,10),
        'min_samples_leaf': (1,7),
        'bootstrap': ["True","False"]
    },
    n_iter=32,
    cv=3,
    scoring='roc_auc'
)
opt.fit(full_train, full_y_train)

print("val. score: %s" % opt.best_score_)
print("test score: %s" % opt.score(X_test_red, y_test))

错误

---

这与我机器上的第一个示例产生的错误相同。

事实证明，目前只有使用sklearn 0.23.0中的解决方法才能解决此问题

from numpy.ma import MaskedArray
import sklearn.utils.fixes

sklearn.utils.fixes.MaskedArray = MaskedArray

import skopt

---

然后从那里运行代码。在我的情况下，我无法使用conda安装较旧版本的scikit learn，因此在其中一个更新软件包之前，我运气不佳。

sklearn>=0.23.0的问题已在skopt版本0.8.1中修复。

---

您能编辑您的问题以打印scikit learn、skopt和numpy版本吗？@MiguelTrejo结果是：sklearn:0.23.1和numpy:1.19.1

from skopt import BayesSearchCV
from sklearn.datasets import load_digits
from sklearn.svm import SVC
from sklearn.model_selection import train_test_split

X, y = load_digits(10, True)
X_train, X_test, y_train, y_test = train_test_split(X, y, train_size=0.75, test_size=.25, random_state=0)

# log-uniform: understand as search over p = exp(x) by varying x
opt = BayesSearchCV(
    SVC(),
    {
        'C': (1e-6, 1e+6, 'log-uniform'),
        'gamma': (1e-6, 1e+1, 'log-uniform'),
        'degree': (1, 8),  # integer valued parameter
        'kernel': ['linear', 'poly', 'rbf'],  # categorical parameter
    },
    n_iter=32,
    cv=3
)

opt.fit(X_train, y_train)

print("val. score: %s" % opt.best_score_)
print("test score: %s" % opt.score(X_test, y_test))

from numpy.ma import MaskedArray
import sklearn.utils.fixes

sklearn.utils.fixes.MaskedArray = MaskedArray

import skopt