我的1.2.2版本的sklearn使用不了AdaptiveLasso

如果您的sklearn版本确实是1.2.2，那么您可能需要升级到0.22及以上的版本才能使用`sklearn.linear_model.AdaptiveLasso`模型，因为该模型是在0.22版本中引入的。您可以使用以下命令升级sklearn：

pip install --upgrade scikit-learn

如果您已经升级到0.22及以上的版本，但仍然无法使用`sklearn.linear_model.AdaptiveLasso`模型，那么可能是您的环境存在其他问题。您可以尝试重新安装sklearn或者检查您的环境配置是否正确。

相关问题

1.2.2的sklearn用不了AdaptiveLasso

对不起，我之前的回答有误。在sklearn 0.22及更高版本中，确实有`sklearn.linear_model.AdaptiveLasso`模型可用。该模型是基于Lasso回归的一种改进方法，它可以自适应地调整L1惩罚项的权重，从而更好地处理具有共线性的特征。使用时，您需要先安装sklearn 0.22及以上的版本，在代码中导入`from sklearn.linear_model import AdaptiveLasso`，然后按照常规的sklearn模型使用方法进行调用和训练。

scikit-learn 1.2.2版本，但是使用normalize时报错是怎么回事

可能是因为在scikit-learn 1.2.2版本中，normalize函数的参数发生了变化。在旧版本中，normalize函数接受一个二维数组作为输入，并且默认按行归一化（axis=1），如果要按列归一化需要指定axis=0。但是在新版本中，normalize函数接受一个一维或二维数组作为输入，并且默认按列归一化（axis=0），如果要按行归一化需要指定axis=1。

因此，如果你在使用scikit-learn的normalize函数时遇到了问题，请检查你的代码是否符合新版本的参数要求。如果你仍然无法解决问题，请提供更多的细节信息，以便我能够更好地帮助你。