使用mlxtend OneRClassifier进行交叉验证时遭遇索引越界错误：'index 5 is out of bounds for axis 0 with size 3'

看起来你遇到的这个索引越界问题，是因为你使用的mlxtend版本里的OneRClassifier存在一个已知的bug！

从你提供的报错信息能看到，错误出现在oner.py的第116行：inverse_index[most_frequent_class] = False。这行代码的逻辑明显有问题——inverse_index是用来标记特征取值的数组（长度等于该特征的唯一取值数量），但这里却用类别标签值去索引它，而不是特征值的索引。当你的类别标签数值（比如y里的5）大于某个特征的唯一取值数量（比如3或4）时，自然就会触发索引越界。

给你两个解决方案：

• 最直接的方案：升级mlxtend到最新版本
  这个bug在后续的mlxtend版本中已经被修复了，最新版本的代码里会用特征值的索引idx来操作inverse_index，而不是类别标签。你可以用下面的命令升级：

  pip install --upgrade mlxtend
  

• 如果暂时无法升级，手动修改源码
  找到你Python环境里的oner.py文件（路径在报错里已经给出：C:\Python311\Lib\site-packages\mlxtend\classifier\oner.py），定位到第116行，把：

  inverse_index[most_frequent_class] = False
  

  修改为：

  inverse_index[idx] = False
  

  这里的idx是循环中特征值的索引，对应代码里的for idx, val in enumerate(most_frequent_class):循环变量。

另外顺便提个小建议：你在使用LabelEncoder的时候，用同一个实例连续fit_transform不同的列，虽然功能上能运行，但不够规范，容易因为之前的fit结果干扰后续的编码。更稳妥的做法是给每个列单独创建LabelEncoder实例：

df['A'] = LabelEncoder().fit_transform(df['A'])
df['B'] = LabelEncoder().fit_transform(df['B'])
df['C'] = LabelEncoder().fit_transform(df['C'])
df['D'] = LabelEncoder().fit_transform(df['D'])

备注：内容来源于stack exchange，提问作者Reozilla