我真的很需要帮助，但我对编程是新手，所以请原谅我的无知。我正在尝试使用 scikit 中的普通最小二乘回归作为估计器，对数据集进行交叉验证。

这是我的代码：

from sklearn import cross_validation, linear_modelimport numpy as npX_digits = xY_digits = list(np.array(y).reshape(-1,))loo = cross_validation.LeaveOneOut(len(Y_digits))# 确保它能工作for train_indices, test_indices in loo:    print('Train: %s | test: %s' % (train_indices, test_indices))regr = linear_model.LinearRegression()[regr.fit(X_digits[train], Y_digits[train]).score(X_digits[test], Y_digits[test]) for train, test in loo]

当我运行这段代码时，我得到了一个错误：

**TypeError: only integer arrays with one element can be converted to an index**

这个错误应该指的是我的 x 值，这些值是 0 和 1 的列表 – 每个列表代表一个使用 OneHotEncoder 编码的分类变量。

考虑到这一点 – 有什么建议可以解决这个问题吗？

将回归估计器拟合到这些数据上似乎是可行的，尽管我得到了很多非常大/看起来很奇怪的系数。老实说，这整个使用 sklearn 尝试进行某种分类线性回归的过程充满了困难，我现在欢迎任何建议。

EDIT 2 抱歉我尝试了另一种方法并错误地放上了那个错误回调：

    ---------------------------------------------------------------------------TypeError                                 Traceback (most recent call last)<ipython-input-9-be578cbe0327> in <module>()     16 regr = linear_model.LinearRegression()     17 ---> 18 [regr.fit(X_digits[train], Y_digits[train]).score(X_digits[test], Y_digits[test]) for train, test in loo]TypeError: only integer arrays with one element can be converted to an index

EDIT 3 添加我的独立变量（x）数据的示例：

print x[1][ 1.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  1.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  1.  0.  0.  0.  0.]

EDIT 4 尝试将列表转换为数组，遇到了错误：

X_digits = np.array(x)Y_digits = np.array(y)---------------------------------------------------------------------------ValueError                                Traceback (most recent call last)<ipython-input-20-ea8b84f0005f> in <module>()     14      15 ---> 16 [regr.fit(X_digits[train], Y_digits[train]).score(X_digits[test], Y_digits[test]) for train, test in loo]C:\Program Files\Anaconda\lib\site-packages\sklearn\base.py in score(self, X, y)    320     321         from .metrics import r2_score--> 322         return r2_score(y, self.predict(X))    323     324 C:\Program Files\Anaconda\lib\site-packages\sklearn\metrics\metrics.py in r2_score(y_true, y_pred)   2184    2185     if len(y_true) == 1:-> 2186         raise ValueError("r2_score can only be computed given more than one"   2187                          " sample.")   2188     numerator = ((y_true - y_pred) ** 2).sum(dtype=np.float64)ValueError: r2_score can only be computed given more than one sample.

回答：

交叉验证迭代器返回的索引用于索引 numpy 数组，但你的数据是普通的 Python 列表。Python 列表不支持 numpy 数组所支持的复杂索引。你看到这个错误是因为 Python 试图将 train 和 test 解释为可以用于索引列表的东西，但无法做到。你需要对 X_digits 和 Y_digits 使用 numpy 数组而不是列表。（或者，你可以使用列表解析或类似方法提取给定的索引，但由于 scikit 最终会转换为 numpy，你还不如从一开始就使用 numpy。）