# 输出第一层的验证集结果与测试集结果 val_features = np.zeros((15390,2)) # 初始化验证集结果 test_features = np.zeros((12825,2)) # 初始化测试集结果 for i,clf in enumerate(clfs): clf.fit(x_train,y_train) val_feature = clf.predict(x_val) test_feature = clf.predict(x_test) val_features[:,i] = val_feature test_features[:,i] = test_feature 报错：index 2 is out of bounds for axis 1 with size 2

这个错误是因为你在使用循环迭代 `enumerate(clfs)` 时，`clfs` 列表中的元素数量超过了初始化的 `val_features` 和 `test_features` 的列数。根据你给出的代码，`val_features` 和 `test_features` 的列数都是2，而 `clfs` 列表中的元素数量超过了2。

要解决这个问题，你可以检查一下 `clfs` 列表中的元素数量是否正确，并确保它与 `val_features` 和 `test_features` 的列数相匹配。如果 `clfs` 列表中的元素数量超过了2，你可以考虑增加 `val_features` 和 `test_features` 的列数来适应更多的分类器结果。

另外，如果你确定只需要前两个分类器的结果，你可以修改代码如下：

val_features = np.zeros((15390,2)) # 初始化验证集结果
test_features = np.zeros((12825,2)) # 初始化测试集结果
for i,clf in enumerate(clfs[:2]):
    clf.fit(x_train,y_train)
    val_feature = clf.predict(x_val)
    
    test_feature = clf.predict(x_test)
    val_features[:,i] = val_feature
    test_features[:,i] = test_feature

这样会只循环前两个分类器，并且不会出现索引超出范围的错误。