Traceback (most recent call last): File "E:\pythonProject\lassod.py", line 26, in <module> mse_mean = np.mean(_, a

这个错误提示是因为在计算均方误差的时候，使用了`axis=1`参数，但是此时的`_`变量是一个一维数组，没有第二个轴。可以将`axis=1`改为`axis=0`即可解决问题。 修改后的代码如下： ```python import numpy as np import pandas as pd from sklearn.linear_model import LassoCV import matplotlib.pyplot as plt # 读取数据 data = pd.read_csv('data.csv') X = data.iloc[:, :-1].values y = data.iloc[:, -1].values # 自适应Lasso模型 alphas, coefs, _ = LassoCV(cv=10, random_state=0, max_iter=10000).path(X, y, eps=0.001) # 特征筛选后的系数可视化 plt.figure(figsize=(10, 6)) for i in range(coefs.shape[0]): plt.plot(alphas, coefs[i], label='Feature {}'.format(i+1)) plt.xscale('log') plt.xlabel('Log(alpha)') plt.ylabel('Coefficients') plt.title('Lasso Paths') plt.legend(loc='best') plt.show() # lambda与RMSE关系曲线图 mse_mean = np.mean(_, axis=0) # 修改这里的axis参数 plt.figure(figsize=(10, 6)) plt.plot(alphas, mse_mean, label='Mean Squared Error') plt.xscale('log') plt.xlabel('Log(alpha)') plt.ylabel('Mean Squared Error') plt.title('Lambda vs RMSE') plt.legend(loc='best') plt.show() ``` 注意到修改后的代码中，`np.mean`函数的`axis`参数被修改为了0。