Logistic回归模型K折交叉验证Python代码报错求助及修复

错误原因 #

你遇到的两个KeyError本质都是数据索引方式错误：

1. None of [Int64Index(...)] are in the [columns]：直接用X[train_idx]访问DataFrame时，[]默认按列名查找，而train_idx是行索引，导致被误判为列名，找不到对应列。
2. KeyError:0：通常是后续对一维数组（比如预测结果）使用二维索引，或者数据划分后结构不匹配导致的索引错位。

修复后的完整代码 #

以下代码实现了正确的K折交叉验证，并输出指定格式的训练/测试精度：

import numpy as np
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import StratifiedKFold
from sklearn.metrics import accuracy_score

# 替换成你的数据加载逻辑（示例用鸢尾花数据集）
from sklearn.datasets import load_iris
data = load_iris()
X = data.data  # 若为DataFrame，用 df.drop('目标列名', axis=1)
y = data.target  # 若为DataFrame，用 df['目标列名']

# 初始化模型与交叉验证器
log_reg = LogisticRegression(max_iter=1000, random_state=42)
skf = StratifiedKFold(n_splits=5, shuffle=True, random_state=42)

train_accuracies = []
test_accuracies = []

# 执行交叉验证
for fold_num, (train_idx, test_idx) in enumerate(skf.split(X, y), start=1):
    # 核心修复：正确提取训练/测试集
    # 若X是DataFrame，改用 X.iloc[train_idx]、X.iloc[test_idx]
    X_train, X_test = X[train_idx], X[test_idx]
    y_train, y_test = y[train_idx], y[test_idx]
    
    # 训练与预测
    log_reg.fit(X_train, y_train)
    train_pred = log_reg.predict(X_train)
    test_pred = log_reg.predict(X_test)
    
    # 计算精度
    train_acc = accuracy_score(y_train, train_pred)
    test_acc = accuracy_score(y_test, test_pred)
    
    train_accuracies.append(train_acc)
    test_accuracies.append(test_acc)
    
    # 输出单折结果
    print(f"第 {fold_num} 折")
    print(f"训练精度: {train_acc:.4f}")
    print(f"测试精度: {test_acc:.4f}\n")

# 输出整体结果
print("===== 交叉验证汇总 =====")
print(f"平均训练精度: {np.mean(train_accuracies):.4f} (标准差: {np.std(train_accuracies):.4f})")
print(f"平均测试精度: {np.mean(test_accuracies):.4f} (标准差: {np.std(test_accuracies):.4f})")

关键修复点 #

1. 数据提取方式：
   • 若X是numpy.ndarray：直接用X[train_idx]提取行
   • 若X是pandas.DataFrame：必须用X.iloc[train_idx]（按位置索引取行），不能用X[train_idx]（默认按列名查找）
2. 索引一致性：确保X的行索引与y的索引完全匹配，避免数据对齐错误
3. 模型收敛性：设置max_iter=1000避免Logistic回归因迭代次数不足导致的不收敛问题

内容的提问来源于stack exchange，提问作者kjnk