Python scikit学习问题'；s BaggingClassifier和自定义基估计器：操作数可以'；不能一起广播吗？

我试图将自定义分类器与SciKit Learn的

BaggingClassifier

一起使用，但我遇到了一个无法确定错误来源的错误。我的分类器对象通过了

check\u estimator（）

，我对

fit（）

函数没有任何问题：

model = ensemble.BaggingClassifier(customEstimator, max_samples=1/n_estimators, n_estimators=n_estimators)
model.fit(trainfeat, trainlabels)
model.predict(testfeat)

这将产生下面的错误跟踪。基估计器本身通过sigmoid阈值进行二元预测。我知道这些值必须与测试数据相对应，但我不明白这三个运算符应该是什么？而且，这似乎是错误来自于

BaggingClassifier

，但问题一定是我出的，不是吗

我试图避免为我的整个估计器粘贴代码，但它继承了

BaseEstimator

，我只编写/重载函数：

fit

，

predict

，

predict\u proba

。我是否在这方面遗漏了什么

我尝试过重塑功能/标签，但没有效果，甚至没有改变错误。我还试图让我的估计器继承

ClassifierMixin

，但这最终给了我很多新问题

  File "Main_File.py", line 76, in <module>
    model.predict(testfeat)

  File "G:\Software\Anaconda\lib\site-packages\sklearn\multiclass.py", line 310, in predict
    indices.extend(np.where(_predict_binary(e, X) > thresh)[0])

  File "G:\Software\Anaconda\lib\site-packages\sklearn\multiclass.py", line 98, in _predict_binary
    score = estimator.predict_proba(X)[:, 1]

  File "G:\Software\Anaconda\lib\site-packages\sklearn\ensemble\bagging.py", line 698, in predict_proba
    for i in range(n_jobs))

  File "G:\Software\Anaconda\lib\site-packages\joblib\parallel.py", line 1003, in __call__
    if self.dispatch_one_batch(iterator):

  File "G:\Software\Anaconda\lib\site-packages\joblib\parallel.py", line 834, in dispatch_one_batch
    self._dispatch(tasks)

  File "G:\Software\Anaconda\lib\site-packages\joblib\parallel.py", line 753, in _dispatch
    job = self._backend.apply_async(batch, callback=cb)

  File "G:\Software\Anaconda\lib\site-packages\joblib\_parallel_backends.py", line 201, in apply_async
    result = ImmediateResult(func)

  File "G:\Software\Anaconda\lib\site-packages\joblib\_parallel_backends.py", line 582, in __init__
    self.results = batch()

  File "G:\Software\Anaconda\lib\site-packages\joblib\parallel.py", line 256, in __call__
    for func, args, kwargs in self.items]

  File "G:\Software\Anaconda\lib\site-packages\joblib\parallel.py", line 256, in <listcomp>
    for func, args, kwargs in self.items]

  File "G:\Software\Anaconda\lib\site-packages\sklearn\ensemble\bagging.py", line 129, in _parallel_predict_proba
    proba += proba_estimator

ValueError: operands could not be broadcast together with shapes (100000,2) (100000,) (100000,2)

文件“Main_File.py”，第76行，在
模型预测（testfeat）
文件“G:\Software\Anaconda\lib\site packages\sklearn\multiclass.py”，第310行，在predict中
扩展指数（np.where（_predict_binary（e，X）>thresh）[0]）
文件“G:\Software\Anaconda\lib\site packages\sklearn\multiclass.py”，第98行，二进制
分数=估计员。预测概率（X）[：，1]
文件“G:\Software\Anaconda\lib\site packages\sklearn\employee\bagging.py”，第698行，在predict\u proba中
适用于范围内的i（n_工作））
文件“G:\Software\Anaconda\lib\site packages\joblib\parallel.py”，第1003行，在调用中__
如果self.dispatch\u一批（迭代器）：
文件“G:\Software\Anaconda\lib\site packages\joblib\parallel.py”，第834行，一批批发送
自我分配（任务）
文件“G:\Software\Anaconda\lib\site packages\joblib\parallel.py”，第753行，在调度中
作业=self.\u后端.apply\u异步（批处理，回调=cb）
文件“G:\Software\Anaconda\lib\site packages\joblib\\u parallel\u backends.py”，第201行，在apply\u async中
结果=立即结果（func）
文件“G:\Software\Anaconda\lib\site packages\joblib\\u parallel\u backends.py”，第582行，在初始化中__
self.results=batch（）
文件“G:\Software\Anaconda\lib\site packages\joblib\parallel.py”，第256行，在调用中__
对于self.items中的func、args、kwargs]
文件“G:\Software\Anaconda\lib\site packages\joblib\parallel.py”，第256行，在
对于self.items中的func、args、kwargs]
文件“G:\Software\Anaconda\lib\site packages\sklearn\employee\bagging.py”，第129行，并行预测
概率+=概率估计量
ValueError:操作数无法与形状（100000,2）（100000，）（100000,2）一起广播

我想问题是由您的

customEstimator

的

predict\u proba

的输出引起的

看起来您当前的实现返回的输出带有维度

（n_samples，1）

，该维度不兼容。对于二进制分类问题，确保您的

predict\u proba

输出维度为

（n\u样本，2）