使用itertools.count（）计数时出错

Question

我有以下代码：

counter = itertools.count()

dtype = [('clf', object), ('accu', float), ("counter", int)]
self.models = np.zeros((n_randoms*n_boot, n_estimators), dtype=dtype)

for i in tqdm(range(n_randoms*n_boot)):
    for j in range(n_estimators):
        clf = DecisionTreeClassifier(random_state = j, criterion="entropy")
        clf.fit(X_train_list[i], y_train_list[i])
        accu_list[i, j] = clf.score(X_test_list[i], y_test_list[i])
        self.models[i, j] = (clf, accu_list[i, j], next(counter))

self.sorted_models = np.sort(self.models, axis=1, order=["accu", "counter"])

其中n_randoms是10，n_boot是7，我收到一个TypeError的错误：'<；'“DecisionTreeClassifier”和“DecisionTreeClassifier”实例之间不受支持。当我将n_估计数设置为19时，它会非常高达18

理论上，每当两个分类器具有相同的精度时，我都会使用next（计数器）对每个分类器进行索引，这样，当我使用np.sort（）时，它会根据顺序[“acu”，“counter”]进行排序，我认为这很好。此外，如果我在这里使用-next（counter）而不是加号，我只能将n_估计设置为16，并且从17开始得到相同的误差。基于此，我认为在处理next（计数器）时可能存在错误

我的问题是，1.我的错误在哪里？2.关于修复它有什么提示吗？多谢各位

编辑： 我做了更多的实验，这次我将n_随机数设置为100，n_估计数设置为5，这比上面的迭代误差总数（5*100*7>；19*10*7）要大，但效果很好，所以我想只有当估计数增加时才会导致误差

Answer 1

numpy.sort并不保证不将元素与它们自己进行比较。快速排序中的partition logic有时会在分区末尾执行自比较，因为元素比较发生在指针比较之前：

/*
 * Generic comparisons may be buggy, so don't rely on the sentinels
 * to keep the pointers from going out of bounds.
 */
for (;;) {
    do {
        pi += elsize;
    } while (cmp(pi, vp, arr) < 0 && pi < pj);
    do {
        pj -= elsize;
    } while (cmp(vp, pj, arr) < 0 && pi < pj);
    if (pi >= pj) {
        break;
    }
    GENERIC_SWAP(pi, pj, elsize);
}

这里，vp是指向透视图副本的指针，透视图位于初始值pj。如果轴是从初始pi到初始pj范围内的最高值，则pi一直前进到轴，并发生自比较

Pivot selection将保证存在一个高于枢轴的值，但较高的值紧跟在初始^{之后

---

在自比较中，计数器值将相等，比较将尝试询问分类器是否小于自身

分区只在排序轴增长超过插入排序阈值时才开始发生，这就是为什么只有在排序轴足够长时才看到问题的原因

避免自我比较会很方便。我很确定内置的sorted函数避免了自我比较，我认为在numpy.sort中避免自我比较不会太困难。这可能值得一个增强请求