使用Surprise库SVD计算MAE和RMSE时出现Singleton array报错如何解决

你错误导入了sklearn.model_selection下的train_test_split方法来拆分Surprise库的Dataset对象。sklearn的拆分方法只能识别数组、DataFrame等常规数据结构，无法处理Surprise自定义的Dataset类型，就会把它识别为单元素对象数组，抛出上述报错。

1. 修改导入语句，替换为Surprise库自带的拆分方法：

# 删掉原有sklearn的train_test_split导入（如果存在的话）
# from sklearn.model_selection import train_test_split
# 新增Surprise自带拆分方法的导入
from surprise.model_selection import train_test_split

如果你的代码同时需要用到sklearn的train_test_split，可以给Surprise的拆分方法设置别名避免冲突：

from surprise.model_selection import train_test_split as surprise_tts
# 拆分时调用别名方法即可
trainSet, testSet = surprise_tts(data, test_size=.25, random_state=0)

2. 额外优化提示：Surprise的accuracy模块本身就内置了MAE、RMSE计算逻辑，不需要额外封装函数，可直接调用：

from surprise import accuracy

# 训练、预测逻辑和之前保持一致
print("RMSE: ", accuracy.rmse(predictions, verbose=False))
print("MAE: ", accuracy.mae(predictions, verbose=False))

修改后重新运行代码即可正常计算指标。

内容的提问来源于stack exchange，提问作者hubbaka ghoyati