Python 我正在尝试使用scikit learn计算L2 SVM的精度

我正在运行以下代码：

G = (matrix([[ 0.01615591,  0.0297292 ,  0.00954122, ...,0.02076448,0.01801039,  0.03154632]]), matrix([[ 0.01615591,  0.0297292 ,  0.00954122, ...,  0.02076448,0.01801039,  0.03154632]]))

filter_selector =  SelectKBest(G)
classifier = LinearSVC(penalty = 'l2', dual =False)
filter_svm = make_pipeline(filter_selector, classifier)
cv = cross_validation.StratifiedKFold(y, 5, shuffle=True, random_state=0)
print np.mean(cross_validation.cross_val_score(filter_svm, X,y, cv=cv))

当我运行此代码时，出现以下错误：

索引器：索引113超出大小为1的轴0的界限

---

您能告诉我如何解决这个问题吗？我正在尝试使用选择器K Best method计算所选特征的准确度，请回溯。哪个函数抛出错误？数据集的维度是什么？什么是X和y？X和y维度是（200L，10000L）（200L，）并打印np.mean（交叉验证。交叉值分数（filter_svm，X，y，cv=cv））此行抛出错误..回溯是：execfile exec中的execfile（文件名，命名空间）文件“C:\Users\user\Anaconda\lib\site packages\spyderlib\widgets\externalshell\sitecustomize.py”，第71行（编译（scripttext，文件名，'exec'），glob，loc）文件“C:/Users/user/Desktop/python/Part3.py”，第132行，打印np.mean（cross_validation.cross_val_score（filter_svm，X，y，cv=5））文件包\sklearn\cross_validation.py”，第1361行，火车的cross_val_分数，cv测试）很难说。源代码是，所以你可以看到抛出错误的函数，但它没有这一行（猜测你有一个旧版本）。您可以在

cross_val_score

中尝试

verbose=True

，看看它是否提供了更多信息。在某些情况下，它试图沿着大小为1的轴访问索引113。它可能是y向量中没有任何内容的额外轴。