LazyPredict检测到0特征致分类器失效的问题求助

问题出在目标变量y的类型上：你传入的y是二维DataFrame，而LazyClassifier要求目标变量必须是一维的Series（或一维数组）。这种二维结构会导致内部处理逻辑出错，误判特征数为0，只有DummyClassifier能正常运行。

修改方案 #

把y从DataFrame转为一维Series，有两种方式：

• 创建时直接生成Series：

  y = pd.Series(np.random.choice([True, False], size=(10,)), name='F')
  

• 从已有的DataFrame中提取：

  y = y.iloc[:, 0]
  

修改后的完整代码 #

import numpy as np
import pandas as pd
from lazypredict.Supervised import LazyClassifier
from sklearn.model_selection import train_test_split

X = pd.DataFrame(np.random.choice([True, False], size=(10, 3)), columns=list('ABC'))
y = pd.Series(np.random.choice([True, False], size=(10,)), name='F')

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=.5, random_state=123)
clf = LazyClassifier(verbose=0, ignore_warnings=False, custom_metric=None)
models, predictions = clf.fit(X_train, X_test, y_train, y_test)
print(models)

补充说明 #

官方示例中的目标变量都是一维结构（比如直接从DataFrame中提取单列得到的Series），所以能正常运行。处理自有数据时，同样要确保y是一维的，就能解决特征数为0的问题。

内容的提问来源于stack exchange，提问作者Enrico R.