4

如果这是一个非常基本的问题/错误，我刚刚开始学习 python 并道歉。

我正在做 Kaggle 生物反应教程。我收到此错误

C:\Anaconda\lib\site-packages\sklearn\cross_validation.py:65：DeprecationWarning：indices 参数已弃用，将在 0.17 stacklevel=1 中删除（假设为 True）结果：0.458614231133

有谁知道是什么意思？我已经谷歌它死了，找不到答案。

我正在运行的脚本是：

from sklearn.ensemble import RandomForestClassifier
from sklearn import cross_validation
import logloss
import numpy as np

def main():
    #read in  data, parse into training and target sets
    dataset = np.genfromtxt(open('train.csv','r'), delimiter=',', dtype='f8')[1:]
    target = np.array([x[0] for x in dataset])
    train = np.array([x[1:] for x in dataset])

    #In this case we'll use a random forest, but this could be any classifier
    cfr = RandomForestClassifier(n_estimators=100)

    #Simple K-Fold cross validation. 5 folds.
    #(Note: in older scikit-learn versions the "n_folds" argument is named "k".)
    cv = cross_validation.KFold(len(train), n_folds=5, indices=False)

    #iterate through the training and test cross validation segments and
    #run the classifier on each one, aggregating the results into a list
    results = []
    for traincv, testcv in cv:
        probas = cfr.fit(train[traincv], target[traincv]).predict_proba(train[testcv])
        results.append( logloss.llfun(target[testcv], [x[1] for x in probas]) )

    #print out the mean of the cross-validated results
    print "Results: " + str( np.array(results).mean() )
if __name__=="__main__":
    main()

我相信它是这样称呼的：

__author__ = 'nickd'
import scipy as sp
def llfun(act, pred):
    epsilon = 1e-15
    pred = sp.maximum(epsilon, pred)
    pred = sp.minimum(1-epsilon, pred)
    ll = sum(act*sp.log(pred) + sp.subtract(1,act)*sp.log(sp.subtract(1,pred)))
    ll = ll * -1.0/len(act)
    return ll

再一次，如果这是基本的东西，真的很抱歉。我真的从来没有这样做过。

4

2 回答 2

5

这意味着您使用indices关键字参数调用cross_validation.KFold的地方将来的版本将不支持它：

cv = cross_validation.KFold(len(train), n_folds=5, indices=False)

根据错误消息，您将indices=True获得 0.17 的效果。该消息指出他们将删除关键字参数，可能他们不会忽略未使用的关键字参数，因此，TypeError如果您继续尝试传递索引，您可能会在 0.17 中遇到异常。

于 2015-07-25T13:22:10.587 回答
1

这意味着该indices参数不再使用，并且可能会在未来的sklearn. 警告是让您现在有机会调整您的代码（即，不要传递indices参数），以便您的代码在将来的更新中删除后不会中断。

于 2015-07-25T13:18:48.440 回答