重复K折交叉验证中类型相关报错及KeyError问题求助

错误原因分析 #

从你的报错栈和代码来看，这个KeyError的核心有两个问题：

1. 未正确定义特征集x和标签集y：你直接在循环里使用了x和y变量，但代码里没有提前拆分出这两个变量；就算你之前定义过，x[train]的写法在Pandas DataFrame中是按列名索引，而train是交叉验证生成的行位置索引，自然会找不到对应的列，触发KeyError。
2. 没必要的类型转换：rkf.split(recipes.astype(str))把整个数据集转成字符串完全多余，RepeatedKFold只需要基于样本数量拆分索引，数值型数据直接用就行，转字符串反而会给后续模型训练埋坑。

解决方法 #

按照以下步骤修改代码：

1. 先正确拆分特征与标签

从你的数据处理逻辑来看，rating是分类标签，其他列是特征，所以先把数据集拆分成x（特征）和y（标签）：

# 拆分特征（去掉rating列）和标签（rating列）
x = recipes.drop('rating', axis=1)
y = recipes['rating']

2. 修正交叉验证的索引方式

在循环中使用.iloc[]来按行位置提取数据（[]在DataFrame中默认是取列，这是你报错的关键），同时去掉没必要的字符串转换：

rkf = RepeatedKFold(n_splits=2, n_repeats=2, random_state=50)
# 用特征集x来拆分索引即可，不需要转字符串
for train_idx, test_idx in rkf.split(x):
    print("训练集索引：%s，测试集索引：%s" % (train_idx, test_idx))
    # 用.iloc按位置取行
    xtrain, xtest = x.iloc[train_idx], x.iloc[test_idx]
    ytrain, ytest = y.iloc[train_idx], y.iloc[test_idx]
    # 这里可以添加你的模型训练、评估代码

额外注意点 #

• 你之前对rating的分箱和LabelEncoder处理是正确的，适合作为分类模型的输入标签；
• 确保x和y的样本数量一致（你已经用dropna()处理过缺失值，这部分没问题）；
• 如果后续需要用索引而不是位置，也可以用.loc[]，但交叉验证生成的train_idx是位置索引，所以.iloc[]更直接。

内容的提问来源于stack exchange，提问作者Jasmine Wong