我正在尝试复制 StratifiedShuffleSplit 的示例X 不是数组而是稀疏矩阵。在下面的例子中，这个矩阵是由 DictVectorizer 创建的，适合混合标称和数值特征的数组。
from sklearn.feature_extraction import DictVectorizer
from sklearn.preprocessing import LabelEncoder
from sklearn.cross_validation import StratifiedShuffleSplit
X = [{"a":1, "b":"xx"}, {"a":2, "b":"yx"}, {"a":2, "b":"yx"}, {"a":1, "b":"xx"}]
y = ["A", "B", "B", "A"]
X = DictVectorizer().fit_transform(X)
y = LabelEncoder().fit_transform(y)
sss = StratifiedShuffleSplit(y, 3, test_size=0.5, random_state=0)
for train_index, test_index in sss:
X_train, X_test = X[train_index], X[test_index]
y_train, y_test = y[train_index], y[test_index]
当我运行脚本时，抛出以下错误:
Traceback (most recent call last):
File ".../test.py", line 22, in <module>
X_train, X_test = X[train_index], X[test_index]
TypeError: only integer arrays with one element can be converted to an index
这是因为X不是数组而是稀疏矩阵。所以问题是，当X不是数组而是矩阵时，如何使用这种方法拆分数据？也许问题不是具体的 scikit-learn，而是 numpy？在将它们“应用”到 X 之前，我是否必须“转换”train_index 和 test_index？或者也许我必须改为“转换”X？
根据 StratifiedShuffleSplit 的文档，为了让它与矩阵一起工作，我应该将 True 传递给参数 indices，但它没有'帮助。
我们非常欢迎您给我任何建议。
请您参考如下方法:
问题是由于在您的 scikit-learn 版本中 DictVectorizer 返回的 COO 矩阵不是按行可索引的(不幸的是，scipy 错误消息不是很明确)。要解决此问题，请通过替换以下行将矢量化输出转换为 CSR 格式:
X = DictVectorizer().fit_transform(X)
通过
X = DictVectorizer().fit_transform(X).tocsr()
