You need to enable JavaScript to run this app. Sklearn加州房价网格搜索报kth(=-9)越界的ValueError
优惠活动
大模型
产品
解决方案
定价
更多

Sklearn加州房价网格搜索报kth(=-9)越界的ValueError

报错根因分析

核心错误触发点

报错直接抛出的ValueError: kth(=-9) out of bounds (1),是两个问题叠加导致的:

  • 自定义Transformer的属性命名违反了scikit-learn的估计器约定
    你定义的TopFeatureSelector类的__init__方法声明了两个入参:feature_importances和k,但你在方法内部把传入的feature_importances赋值给了非同名的实例属性self.ft_imp,没有赋值为和入参同名的self.feature_importances。
    按照scikit-learn的强制约定,所有__init__声明的入参,必须直接赋值为同名的实例属性,框架内置的get_params()方法才能正确读取参数值。当GridSearchCV为每个参数组合克隆新的估计器实例时,因为拿不到feature_importances的实际值,会将该参数默认为None传入新实例。
    当None被传入indices_of_top_k函数时,np.array(None)会生成一个长度为1的标量数组;而网格搜索遍历feature_selection__k参数时,k的取值会覆盖从1到原始feature_importances长度的全范围(也就是1到9),对应np.argpartition的kth参数会取到-1到-9的值。面对长度仅为1的标量数组,值为-9的kth参数自然超出数组边界,触发越界错误。
  • 对应报错里的FutureWarning
    这个警告和上面的属性命名问题直接相关:框架检测到你无法通过get_params()获取feature_importances这个实例参数,提前提示在未来版本中这类问题会直接抛出AttributeError,而不是静默返回None。

修正方案

  • 调整TopFeatureSelector类的属性赋值逻辑,严格遵循scikit-learn的估计器规范:
    将类中原来的属性赋值代码
    def __init__(self, feature_importances, k):
        self.ft_imp = feature_importances
        self.k = k
    
    修改为:
    def __init__(self, feature_importances, k):
        # 必须使用和__init__入参同名的实例属性存储值
        self.feature_importances = feature_importances
        self.k = k
    
    同时在fit方法中,将原来引用self.ft_imp的位置替换为self.feature_importances,保证属性引用一致。
  • 补充说明:当前代码中硬编码的全局feature_importances是基于全量预处理数据集计算得到的,交叉验证过程中该值不会随每一折的训练数据动态更新,属于逻辑层面的可优化点,但不是本次报错的直接诱因。

内容的提问来源于stack exchange,提问作者Mohamed Moustafa

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.03 02:06:02