跟随《Hands-On Machine Learning》代码报错：AttributeError: 'Flags' object has no attribute 'c_contiguous'

问题场景 #

跟随Aurélien Géron所著《Hands-On Machine Learning》编写多标签分类代码时，执行cross_val_predict步骤抛出错误。

代码片段 #

y_train_large = (y_train.astype("int") >= 7)
y_train_odd = (y_train.astype("int") % 2 == 1)
y_multilabel = np.c_[y_train_large, y_train_odd]

# model
knn_clf = KNeighborsClassifier()
knn_clf.fit(X_train, y_multilabel)

y_train_knn_pred = cross_val_predict(knn_clf, X_train, y_multilabel, cv=3)

错误信息 #

AttributeError: 'Flags' object has no attribute 'c_contiguous'

原因分析 #

这个错误主要来自两个方面：

1. 数组内存布局不兼容：np.c_生成的数组可能不是C连续内存布局，而scikit-learn的cross_val_predict对目标数组的内存布局有要求。
2. 版本不匹配：numpy与scikit-learn版本不兼容（比如numpy 2.x搭配旧版scikit-learn，或反之），导致内部属性调用出错。

解决方案 #

方案1：强制转换为C连续数组 #

将构造的多标签数组转为C连续内存布局，直接修改y_multilabel的构造代码：

y_multilabel = np.ascontiguousarray(np.c_[y_train_large, y_train_odd])

修改后再执行后续的模型训练与交叉验证预测即可。

方案2：对齐numpy与scikit-learn版本 #

• 若使用scikit-learn >=1.3.0，确保numpy版本 >=1.21.0；
• 若安装了numpy 2.x，需升级scikit-learn到适配版本（>=1.4.0），或降级numpy到1.x稳定版：

# 降级numpy到1.x稳定版
pip install numpy==1.26.4
# 或升级scikit-learn到适配版本
pip install --upgrade scikit-learn

方案3：更换多标签数组构造方式 #

用np.column_stack()替代np.c_，该方法默认生成C连续数组：

y_multilabel = np.column_stack((y_train_large, y_train_odd))

内容的提问来源于stack exchange，提问作者ACX