Scikit learn sklearn RidgeCV（带样本重量）

我想用sklearn做一个加权岭回归。但是，当我调用fit方法时，代码会中断。我得到的例外是：

Exception: Data must be 1-dimensional

但我确信（通过检查打印语句），我传递的数据具有正确的形状

print temp1.shape       #(781, 21)
print temp2.shape       #(781,)
print weights.shape     #(781,)

result=RidgeCV(normalize=True).fit(temp1,temp2,sample_weight=weights)

会出什么问题

以下是全部输出：

---------------------------------------------------------------------------
Exception                                 Traceback (most recent call last)
<ipython-input-65-a5b1eba5d9cf> in <module>()
     22 
     23 
---> 24     result=RidgeCV(normalize=True).fit(temp2,temp1, sample_weight=weights)
     25 
     26 

/usr/local/lib/python2.7/dist-packages/sklearn/linear_model/ridge.pyc in fit(self, X, y, sample_weight)
    868                                   gcv_mode=self.gcv_mode,
    869                                   store_cv_values=self.store_cv_values)
--> 870             estimator.fit(X, y, sample_weight=sample_weight)
    871             self.alpha_ = estimator.alpha_
    872             if self.store_cv_values:

/usr/local/lib/python2.7/dist-packages/sklearn/linear_model/ridge.pyc in fit(self, X, y, sample_weight)
    793                               else alpha)
    794             if error:
--> 795                 out, c = _errors(weighted_alpha, y, v, Q, QT_y)
    796             else:
    797                 out, c = _values(weighted_alpha, y, v, Q, QT_y)

/usr/local/lib/python2.7/dist-packages/sklearn/linear_model/ridge.pyc in _errors(self, alpha, y, v, Q, QT_y)
    685         w = 1.0 / (v + alpha)
    686         c = np.dot(Q, self._diag_dot(w, QT_y))
--> 687         G_diag = self._decomp_diag(w, Q)
    688         # handle case where y is 2-d
    689         if len(y.shape) != 1:

/usr/local/lib/python2.7/dist-packages/sklearn/linear_model/ridge.pyc in _decomp_diag(self, v_prime, Q)
    672     def _decomp_diag(self, v_prime, Q):
    673         # compute diagonal of the matrix: dot(Q, dot(diag(v_prime), Q^T))
--> 674         return (v_prime * Q ** 2).sum(axis=-1)
    675 
    676     def _diag_dot(self, D, B):

/usr/local/lib/python2.7/dist-packages/pandas/core/ops.pyc in wrapper(left, right, name)
    531             return left._constructor(wrap_results(na_op(lvalues, rvalues)),
    532                                      index=left.index, name=left.name,
--> 533                                      dtype=dtype)
    534     return wrapper
    535 

/usr/local/lib/python2.7/dist-packages/pandas/core/series.pyc in __init__(self, data, index, dtype, name, copy, fastpath)
    209             else:
    210                 data = _sanitize_array(data, index, dtype, copy,
--> 211                                        raise_cast_failure=True)
    212 
    213                 data = SingleBlockManager(data, index, fastpath=True)

/usr/local/lib/python2.7/dist-packages/pandas/core/series.pyc in _sanitize_array(data, index, dtype, copy, raise_cast_failure)
   2683     elif subarr.ndim > 1:
   2684         if isinstance(data, np.ndarray):
-> 2685             raise Exception('Data must be 1-dimensional')
   2686         else:
   2687             subarr = _asarray_tuplesafe(data, dtype=dtype)

Exception: Data must be 1-dimensional

---------------------------------------------------------------------------
异常回溯（最后一次最近调用）
在（）
22
23
--->24结果=脊线CV（标准化=真）。拟合（temp2、temp1、样本重量=重量）
25
26
/usr/local/lib/python2.7/dist-packages/sklearn/linear_model/ridge.pyc in-fit（self，X，y，sample_-weight）
868 gcv_模式=self.gcv_模式，
869存储（cv值=自存储（cv值）
-->870估计器拟合（X，y，样本权重=样本权重）
871 self.alpha=估计器.alpha_
872如果self.store_cv_值：
/usr/local/lib/python2.7/dist-packages/sklearn/linear_model/ridge.pyc in-fit（self，X，y，sample_-weight）
793（阿尔法）
794如果出现错误：
-->795输出，c=_误差（加权α，y，v，Q，QT_y）
796其他：
797 out，c=_值（加权_α，y，v，Q，QT_y）
/usr/local/lib/python2.7/dist-packages/sklearn/linear_model/ridge.pyc in_错误（self、alpha、y、v、Q、QT_）
685 w=1.0/（v+α）
686 c=np.dot（Q，自诊断点（w，QT，y））
-->687 G_diag=自分解图（w，Q）
688#处理y为二维的情况
689如果透镜（y形）！=1:
/usr/local/lib/python2.7/dist-packages/sklearn/linear_model/ridge.pyc in_decomp_diag（self，v_prime，Q）
672 def_decomp_diag（self，v_prime，Q）：
673#计算矩阵的对角线：点（Q，点（diag（v#u素数），Q^T））
-->674返回（v_素数*Q**2）.和（轴=-1）
675
676 def诊断点（自、D、B）：
/包装器中的usr/local/lib/python2.7/dist-packages/pandas/core/ops.pyc（左、右、名称）
531返回左._构造函数（包装结果（na_op（左值，右值）），
532 index=left.index，name=left.name，
-->533数据类型=数据类型）
534返回包装器
535
/usr/local/lib/python2.7/dist-packages/pandas/core/series.pyc in_u___________（self、数据、索引、数据类型、名称、副本、快速路径）
209其他：
210数据=_清理_数组（数据、索引、数据类型、副本、，
-->211提升（铸造（失败=真）
212
213数据=SingleBlockManager（数据、索引、快速路径=True）
/usr/local/lib/python2.7/dist-packages/pandas/core/series.pyc在_sanitize_数组中（数据、索引、数据类型、复制、提升/转换失败）
2683 elif Subar.ndim>1：
2684如果存在（数据，np.ndarray）：
->2685 raise异常（'数据必须是一维'）
2686其他：
2687 subar=\u asarray\u tuplesafe（数据，dtype=dtype）
例外：数据必须是一维的

错误似乎是由于

样本权重

是熊猫系列而不是numpy数组造成的：

from sklearn.linear_model import RidgeCV

temp1 = pd.DataFrame(np.random.rand(781, 21))
temp2 = pd.Series(temp1.sum(1))
weights = pd.Series(1 + 0.1 * np.random.rand(781))

result = RidgeCV(normalize=True).fit(temp1, temp2, 
                                     sample_weight=weights)
# Exception: Data must be 1-dimensional

如果改用numpy数组，则错误会消失：

result = RidgeCV(normalize=True).fit(temp1, temp2,
                                     sample_weight=weights.values)

---

这似乎是一个错误；我打开了一个来报告这一点。

错误似乎是由于

样本权重

是熊猫系列而不是numpy数组：

from sklearn.linear_model import RidgeCV

temp1 = pd.DataFrame(np.random.rand(781, 21))
temp2 = pd.Series(temp1.sum(1))
weights = pd.Series(1 + 0.1 * np.random.rand(781))

result = RidgeCV(normalize=True).fit(temp1, temp2, 
                                     sample_weight=weights)
# Exception: Data must be 1-dimensional

如果改用numpy数组，则错误会消失：

result = RidgeCV(normalize=True).fit(temp1, temp2,
                                     sample_weight=weights.values)

这似乎是一个错误；我已经打开了一个报告