Scikit learn 执行Optunity时出错

从获取代码后，我遇到了一个错误：

“ValueError:包含多个元素的数组的真值不明确。请使用a.any（）或a.all（）”

有什么问题吗。有人能帮我吗

下面是代码

导入选项
导入optunity.metrics
将numpy作为np导入
#k近邻
从sklearn.neighbors导入KNeighborsClassifier
#支持向量机分类器
从sklearn.svm导入SVC
#朴素贝叶斯
从sklearn.naive_bayes导入GaussianNB
#随机森林
从sklearn.employ导入随机林分类器
从sklearn.externals导入作业库
导入sklearn
im特性、图像类、培训名称、stdSlr、kmeans、k=joblib.load（“others.pkl”）
n=len（图像类）
数据=im\U功能
labels=np.array（图像类）
cv_decorator=optunity.cross_validated（x=数据，y=标签，num_folds=5）
空格={'kernel'：{'linear'：{'C'：[0,2]}，
'rbf'：{'logGamma'：[-5,0]，'C'：[0,10]}，
'poly'：{'degree'：[2,5]，'C'：[0,5]，'coef0'：[0,2]}
}
}
def系列模型（x系列、y系列、内核、C、对数伽马、度、coef0）：
“”“通用SVM训练函数，参数基于所选内核。”“”
如果内核==“线性”：
model=sklearn.svm.SVC（kernel=kernel，C=C）
elif kernel==“poly”：
model=sklearn.svm.SVC（kernel=kernel，C=C，degree=degree，coef0=coef0）
elif kernel==“rbf”：
model=sklearn.svm.SVC（kernel=kernel，C=C，gamma=10**logGamma）
其他：
引发ArgumentError（“未知内核函数：%s”%kernel）
模型拟合（x\U系列、y\U系列）
回归模型
def svm_tuned_auroc（x_序列，y_序列，x_测试，y_测试，kernel='linear'，C=0，logGamma=0，degree=0，coef0=0）：
模型=序列模型（x序列、y序列、内核、C、对数伽马、度、coef0）
决策值=模型决策函数（x_测试）
返回optunity.metrics.roc\u auc（y\u测试，决策值）
svm_tuned_auroc=cv_装饰器（svm_tuned_auroc）
最佳支持向量机参数，信息，优化。最大化结构化（支持向量机优化，空间，数值评估=150）
打印（“最佳参数”+str（最佳支持向量机）
打印（“调整后的SVM的AUROC:%1.3f”%info.optimal）