SCI-Kit了解PLS SVD和交叉验证(Sci-kit Learn PLS SVD and cr

所述sklearn.cross_decomposition.PLSSVD在科幻试剂盒类学习看来是失败时的响应变量具有的形状(N,)代替(N,1)其中N是数据集中样品的数目。

然而， sklearn.cross_validation.cross_val_score当响应变量具有的形状失败(N,1)而不是(N,) 我如何使用它们放在一起？

一个代码片段：

from sklearn.pipeline import Pipeline
from sklearn.cross_decomposition import PLSSVD
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LogisticRegression

# x -> (N, 60) numpy array
# y -> (N, ) numpy array

# These are the classifier 'pieces' I'm using
plssvd = PLSSVD(n_components=5, scale=False)
logistic = LogisticRegression(penalty='l2', C=0.5)
scaler = StandardScaler(with_mean=True, with_std=True)

# Here's the pipeline that's failing
plsclf = Pipeline([('scaler', scaler),
                   ('plssvd', plssvd), 
                   ('logistic', logistic)])

# Just to show how I'm using the pipeline for a working classifier
logclf = Pipeline([('scaler', scaler),
                   ('logistic', logistic)])

##################################################################

# This works fine
log_scores = cross_validation.cross_val_score(logclf, x, y, scoring='accuracy',
                                              verbose=True, cv=5, n_jobs=4)

# This fails!
pls_scores = cross_validation.cross_val_score(plsclf, x, y, scoring='accuracy',
                                              verbose=True, cv=5, n_jobs=4)

具体而言，它未能在_center_scale_xy的功能cross_decomposition/pls_.pyc与'IndexError: tuple index out of range'在线103： y_std = np.ones(Y.shape[1])这是因为形状元组只有一个元件。

如果设置了scale=True在PLSSVD构造函数，它未能在管路99相同的功能： y_std[y_std == 0.0] = 1.0 ，因为它正试图做一个布尔索引上的浮子（ y_std是浮动的，因为它只有一个尺寸）。

看来，像一个简单的办法，只要确保y变量具有两个维度， (N,1) 然而：

如果我创建与尺寸的阵列(N,1)出来的输出变量的y ，它仍然失败。为了改变阵列，我跑步前添加此cross_val_score ：

y = np.transpose(np.array([y]))

然后，在失败sklearn/cross_validation.py在行398：

File "my_secret_script.py", line 293, in model_create
    scores = cross_validation.cross_val_score(plsclf, x, y, scoring='accuracy', verbose=True, cv=5, n_jobs=4)
File "/Users/my.secret.name/anaconda/lib/python2.7/site-packages/sklearn/cross_validation.py", line 1129, in cross_val_score
    cv = _check_cv(cv, X, y, classifier=is_classifier(estimator))
File "/Users/my.secret.name/anaconda/lib/python2.7/site-packages/sklearn/cross_validation.py", line 1216, in _check_cv
    cv = StratifiedKFold(y, cv, indices=needs_indices)
File "/Users/my.secret.name/anaconda/lib/python2.7/site-packages/sklearn/cross_validation.py", line 398, in __init__
    label_test_folds = test_folds[y == label]
ValueError: boolean index array should have 1 dimension

我在OSX，NumPy的版本运行此1.8.0 ，SCI-Kit了解版本0.15-git 。

任何方式使用PLSSVD连同cross_val_score ？

偏最小二乘项目既数据X和目标Y通过跨越到线性子空间n_components矢量的每个。他们预计的方式，在其他一个投影变量的回归分数最大化。

组件的数量，潜在子空间的维度，即通过功能在您的变量数的限制。您的变量Y只有一个功能（一列），所以潜在的子空间是一维的，有效降低您的建筑的东西更接近（但不完全一样）线性回归。所以在这种特定情况下使用偏最小二乘可能是没有用的。

看看以下

import numpy as np
rng = np.random.RandomState(42)
n_samples, n_features_x, n_features_y, n_components = 20, 10, 1, 1
X = rng.randn(n_samples, n_features_x)
y = rng.randn(n_samples, n_features_y)

from sklearn.cross_decomposition import PLSSVD
plssvd = PLSSVD(n_components=n_components)

X_transformed, Y_transformed = plssvd.fit_transform(X, y)

X_transformed和Y_transformed是形状的阵列n_samples, n_components ，它们的投影版本X和Y 。

回答你有关使用问题PLSSVD一个内Pipeline在cross_val_score ，是不，这是行不通的开箱即用，因为Pipeline对象调用fit和transform使用两个变量X和Y作为参数，如果可能的话，这，因为你可以看到我写的代码，返回一个包含投影元组 X和Y值。在管道中的下一个步骤将无法处理此，因为它会认为这是元组新的X 。