我正在使用Sklearn库中的GridSearchCV（网格搜索交叉验证）对SGDClassifier（随机梯度下降分类器）进行操作。我使用Pandas的DataFrame来处理特征和目标。以下是代码：
from sklearn.grid_search import GridSearchCVparameters = {'loss': [ 'hinge', 'log', 'modified_huber', 'squared_hinge', 'perceptron'], 'alpha': [0.1, 0.01, 0.001, 0.0001, 0.00001, 0.000001, 0.0000001], 'n_iter': list(np.arange(1,1001))}clf = GridSearchCV(estimator = SGDClassifier(), param_grid = parameters, scoring = 'f1')print(clf)clf.fit(X_train, y_train)其中X_train是一个300行x31列的Pandas DataFrame，每列的名称如下：
['school', 'sex', 'age', 'address', 'famsize', 'Pstatus', 'Medu', 'Fedu', 'Mjob', 'Fjob', 'reason', 'guardian', 'traveltime', 'studytime', 'failures', 'schoolsup', 'famsup', 'paid', 'activities', 'nursery', 'higher', 'internet', 'romantic', 'famrel', 'freetime', 'goout', 'Dalc', 'Walc', 'health', 'absences']而y_train是一个300行x1列的Pandas Series，名称如下：
['passed']当我尝试运行GridSearchCV算法时，得到以下错误信息：
IndexError: too many indices for array回答：
下面的代码准备了一个符合您定义的随机数据集：
- X_train=300×31 DataFrame
- y_train=300×1 Series，包含两个类别，0和1)。
使用下面的X_train和y_train，您的代码可以正常运行，因此问题可能出在数据本身。
import pandas as pdimport numpy as npN = 300D = 31y_train = pd.Series([0,1]*(N/2))X_train = np.matrix(y_train).T.repeat(D, axis=1) + np.random.normal(size=(N, D))X_train = pd.DataFrame(X_train)确实，您提到DataFrame有31列，但您提供的列名列表只有30个元素。问题可能出在X_train的构建上。
（我已经用较少的参数进行了测试，以下是可复现的简化版本：）
from sklearn.grid_search import GridSearchCVfrom sklearn.linear_model import SGDClassifierparameters = {'loss': [ 'hinge', 'log', 'modified_huber', 'squared_hinge', 'perceptron'], 'alpha': [0.1, 0.01], 'n_iter': [1,2, 1000]}clf = GridSearchCV(estimator = SGDClassifier(), param_grid = parameters, scoring = 'f1')print(clf)clf.fit(X_train, y_train) 