LinearDiscriminantAnalysis调用fit报shrinkage not supported如何解决

该报错是scikit-learn的原生设计限制，和版本、运行环境无关：LinearDiscriminantAnalysis的默认求解器为solver='svd'，该求解器本身不支持shrinkage参数，只要同时使用默认svd求解器和非空的shrinkage参数就会触发该报错。

• 方案1：保留shrinkage参数，显式指定支持该参数的求解器
  支持shrinkage的求解器为lsqr和eigen，修改初始化LDA的代码即可，示例如下：

import numpy as np
from sklearn.discriminant_analysis import LinearDiscriminantAnalysis
# 显式指定solver为lsqr，可替换为eigen
lda = LinearDiscriminantAnalysis(solver='lsqr', shrinkage='auto')
# 注意原代码中y的生成方式有误，已调整为符合维度要求的标签
lda.fit(np.random.rand(3,2), np.random.randint(0, 2, size=3))

• 方案2：不需要使用shrinkage功能的话，直接删除该参数即可，沿用默认svd求解器：

import numpy as np
from sklearn.discriminant_analysis import LinearDiscriminantAnalysis
lda = LinearDiscriminantAnalysis()
lda.fit(np.random.rand(3,2), np.random.randint(0, 2, size=3))

额外说明：你原有代码中np.random.randint((1,1,1))的调用方式不符合参数规范，传入元组时会被识别为输出数组的shape参数，无法得到和样本数量匹配的一维标签数组，需要调整为np.random.randint(取值下限, 取值上限, size=样本数)的格式。

内容的提问来源于stack exchange，提问作者Nathane Berrebi