Научный комплект Изучите PLS SVD и перекрестную проверку

Класс sklearn.cross_decomposition.PLSSVD в Sci-kit Learn, по-видимому, дает сбой, когда переменная ответа имеет форму (N,) вместо (N,1), где N — количество выборок в наборе данных.

Однако sklearn.cross_validation.cross_val_score терпит неудачу, когда переменная ответа имеет форму (N,1) вместо (N,). Как я могу использовать их вместе?

Фрагмент кода:

from sklearn.pipeline import Pipeline
from sklearn.cross_decomposition import PLSSVD
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LogisticRegression

# x -> (N, 60) numpy array
# y -> (N, ) numpy array

# These are the classifier 'pieces' I'm using
plssvd = PLSSVD(n_components=5, scale=False)
logistic = LogisticRegression(penalty='l2', C=0.5)
scaler = StandardScaler(with_mean=True, with_std=True)

# Here's the pipeline that's failing
plsclf = Pipeline([('scaler', scaler),
                   ('plssvd', plssvd), 
                   ('logistic', logistic)])

# Just to show how I'm using the pipeline for a working classifier
logclf = Pipeline([('scaler', scaler),
                   ('logistic', logistic)])

##################################################################

# This works fine
log_scores = cross_validation.cross_val_score(logclf, x, y, scoring='accuracy',
                                              verbose=True, cv=5, n_jobs=4)

# This fails!
pls_scores = cross_validation.cross_val_score(plsclf, x, y, scoring='accuracy',
                                              verbose=True, cv=5, n_jobs=4)

В частности, он терпит неудачу в функции _center_scale_xy cross_decomposition/pls_.pyc с 'IndexError: tuple index out of range' в строке 103: y_std = np.ones(Y.shape[1]), потому что кортеж формы имеет только один элемент.

Если я установлю scale=True в конструкторе PLSSVD, произойдет сбой в той же функции в строке 99: y_std[y_std == 0.0] = 1.0, потому что он попытается сделать логический индекс для числа с плавающей запятой (y_std — это число с плавающей запятой, поскольку оно имеет только одно измерение).

Кажется, это легко исправить, просто убедитесь, что переменная y имеет два измерения, (N,1). Однако:

Если я создам массив с размерами (N,1) из выходной переменной y, это все равно не удастся. Чтобы изменить массивы, я добавляю это перед запуском cross_val_score:

y = np.transpose(np.array([y]))

Затем он терпит неудачу в sklearn/cross_validation.py в строке 398:

File "my_secret_script.py", line 293, in model_create
    scores = cross_validation.cross_val_score(plsclf, x, y, scoring='accuracy', verbose=True, cv=5, n_jobs=4)
File "/Users/my.secret.name/anaconda/lib/python2.7/site-packages/sklearn/cross_validation.py", line 1129, in cross_val_score
    cv = _check_cv(cv, X, y, classifier=is_classifier(estimator))
File "/Users/my.secret.name/anaconda/lib/python2.7/site-packages/sklearn/cross_validation.py", line 1216, in _check_cv
    cv = StratifiedKFold(y, cv, indices=needs_indices)
File "/Users/my.secret.name/anaconda/lib/python2.7/site-packages/sklearn/cross_validation.py", line 398, in __init__
    label_test_folds = test_folds[y == label]
ValueError: boolean index array should have 1 dimension

Я запускаю это на OSX, NumPy версии 1.8.0, Sci-kit Learn версии 0.15-git.

Есть ли способ использовать PLSSVD вместе с cross_val_score?