Python 分组交叉验证LassoCV scikit学习

我在使用LassoCV（）回归器和分组交叉验证对象时遇到了一些奇怪的错误

更具体地说，有了数据帧

df

和目标列

y

，我想执行LeaveOneGroupOut（）交叉验证。如果我运行以下命令：

df = np.random.rand(100,50)
y = np.random.rand(100)
logo = LeaveOneGroupOut()
groups = np.random.randint(0,10,100)
lassoCV = linear_model.LassoCV(eps=0.0001, n_alphas=400, max_iter=200000, cv=logo, normalize=False, random_state=9) `

运行：

lassoCV.fit(df,y)

导致错误：

ValueError:groups参数不应为None。

如果我跑步：

lassoCV.fit(df,y,groups)

我得到一个错误：

TypeError:fit（）接受3个位置参数，但给出了4个

---

在我看来，第二种选择是可行的。我实施了什么错误吗？或者这是scikit learn中的一个bug

groups错误是指

LeaveOneGroupOut

的拆分方法中的参数。根据引用的文档，

cv

参数应该是一个可产生列车/测试拆分的iterable。因此，您只需要使用该方法创建生成器对象

---

第二个问题，如果我使用函数

cross\u val\u predict（）

我为什么要按如下方式使用它：

alpha=LassoCV.alpha lasso=lasso（alpha，max\u iter=20000，normalize=False）cross\u val\u predict（lasso，df，y，cv=LeaveOneGroupOut（），groups=groups）

因为下面给出了一个错误：

cross\u val\u predict（lasso，df，y，cv=gen\u logo）

因为gen\u logo是一个生成器对象，所以一旦用完，再次调用它生成下一个元素时，它不会返回任何其他内容。您必须重新创建生成器对象，然后将其作为

cv

参数传递。因此，运行

gen\u logo=logo.split（df，groups=groups）

，然后调用

cross\u val\u predict（lasso，df，y，cv=gen\u logo）

。这是一个关于发电机的好消息。

gen_logo = logo.split(df, groups=groups)  # create your generator
lassoCV = linear_model.LassoCV(eps=0.0001, n_alphas=400, max_iter=200000, cv=gen_logo, normalize=False, random_state=9)  # pass it to the cv argument
lassoCV.fit(df, y)  # now fit