列表索引数组报错：XGBoost网格搜索抽样问题求助

错误原因 #

你的代码存在两个核心问题：

• 错误抽取了行数据而非行索引：random.sample(list(X_res),5000)会将X_res的每一行转为列表元素并抽样，得到的是行内容而非行的位置索引，导致后续索引数组时出错。
• numpy数组不支持直接用Python列表索引，需使用numpy整数数组或布尔数组。

修正方案 #

方法1：用Python标准库抽样索引并转numpy数组 #

import random
import numpy as np

# 抽取5000个不重复的行索引
indices = random.sample(range(len(X_res)), 5000)
# 转换为numpy整数数组，适配numpy索引规则
indices_np = np.array(indices)

# 传入抽样后的样本到网格搜索函数
model_params = xgboost_search(X_res[indices_np], Y_res[indices_np])

方法2：用numpy随机抽样直接生成索引数组（更高效） #

import numpy as np

# 直接生成5000个不重复的行索引
indices_np = np.random.choice(len(X_res), size=5000, replace=False)

# 传入抽样后的样本
model_params = xgboost_search(X_res[indices_np], Y_res[indices_np])

可选优化：简化网格搜索的交叉验证参数 #

你的GridSearchCV中cv=skf.split(X,y)可以简化为cv=skf，GridSearchCV会自动处理数据拆分，无需手动传入split结果：

grid_search = GridSearchCV(estimator=xgb, param_grid=params, scoring="roc_auc", n_jobs=1, cv=skf, verbose=search_verbose)

内容的提问来源于stack exchange，提问作者Ladi Latona