Traceback (most recent call last): File "E:\pythonProject\lassod.py", line 28, in <module> plt.plot(alphas, mse_me

这个错误提示是因为`alphas`和`mse_mean`的维度不一致，导致无法绘制曲线图。这可能是因为在计算均方误差时，使用了`_`变量来存储结果，但是此时的`_`变量是一个二维数组，需要进行降维处理。 可以将`_`变量改为一维数组，然后再计算均方误差即可。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, mse = 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(mse, axis=1) 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，`mse`变量被重新定义为一个二维数组，然后使用`np.mean`函数对其进行降维处理。