我想结合使用sklearn的CalibratedClassifierCV和SVC来对一个多类别（9个类别）的预测问题进行预测。然而，当我运行代码时，出现了以下错误。使用其他模型（例如RandomForestClassifier）时，这段代码可以正常运行。

kf = StratifiedShuffleSplit(y, n_iter=1, test_size=0.2)clf = svm.SVC(C=1,probability=True)            sig_clf = CalibratedClassifierCV(clf, method="isotonic", cv=kf)sig_clf.fit(X, y)Traceback (most recent call last):  File "<stdin>", line 1, in <module>  File "/home/g/anaconda/lib/python2.7/site-packages/sklearn/calibration.py", line 166, in fit    calibrated_classifier.fit(X[test], y[test])  File "/home/g/anaconda/lib/python2.7/site-packages/sklearn/calibration.py", line 309, in fit    calibrator.fit(this_df, Y[:, k], sample_weight)IndexError: index 9 is out of bounds for axis 1 with size 9

回答：

这个问题是由于SVC使用了One-vs-One策略，导致决策函数的形状为(n_samples, n_classes * (n_classes - 1) / 2)。一个可能的解决方法是使用CalibratedClassifierCV(OneVsRestClassifier(SVC()))。如果你想使用S形校准，也可以使用SVC(probability=True)，而不使用CalibratedClassifierCV。

我认为我们应该修复SVC的决策函数。