ValueError：cross_val_predict仅适用于分区

如何解决ValueError：cross_val_predict仅适用于分区

我有一个特征数组（X）和因变量数组（y）的多类分类问题。 y有四个类别：1、2、3和4。数据严重失衡，对类别4的观察很少。我选择分类器模型为：

model = RandomForestClassifier(n_estimators=10,class_weight='balanced',random_state=0)

我将自定义得分手定义为：

custom_scorer = {'accuracy': make_scorer(accuracy_score),'balanced_accuracy': make_scorer(balanced_accuracy_score),'precision': make_scorer(precision_score,average='weighted'),'recall': make_scorer(recall_score,'roc auc': make_scorer(roc_auc_score,multi_class='ovo',needs_proba=True),'f1': make_scorer(f1_score,average='weighted')
                 }

由于数据不平衡，我正在使用cross_validate：

cv = RepeatedStratifiedKFold(n_splits=10,n_repeats=3,random_state=1)
scores = cross_validate(model,X,y,cv=cv,scoring=custom_scorer,n_jobs=-1)

我从scores获得了指标的准确性，balanced_accuracy，精度，召回率等。但是，这仅给我指标，而不是包含预测类的数组。我也想获取y_pred（y的预测值），它可能是在执行以下代码行时内部生成的：

scores = cross_validate(model,n_jobs=-1)

但是，为了获得y的预测，我正在使用：

y_pred = cross_val_predict(model,cv=cv) 

这给了我一个错误：

ValueError：cross_val_predict仅适用于分区

如果我将上面的代码更改为

y_pred = cross_val_predict(model,cv=10)

那么我可以避免该错误，但是cv = cv和cv = 10并不相同，是吗？如果我使用以下方法计算与每个类相对应的精度，召回率等：

precision,recall,fscore,support = score(y,y_pred)

那些不能与我使用 cross_validate 计算的得分相对应。

我还需要计算y的概率值。

y_proba = cross_val_predict(model,method='predict_proba')

这也给我一个错误

ValueError：cross_val_predict仅适用于分区

请帮助。