首先，对于自己使用代码dtype=np.int报错的情况，建议直接修改为np.int_即可解决，也不用向下看了！！！！
下文主要是针对sklearn库包中存在大量np.int报错的情况！！！

0. 错误介绍

在使用sklearn库的metrics的cohen_kappa_score()函数以及preprocessing.OneHotEncoder的fit_transform()函数时出错。当然包括sklearn中的很多函数。但是，需要注意的是：这里的报错是sklearn库中调用np.int报错，与自己书写时使用np.int报错是不同的。
因为，对于自己书写的np.int，直接进行修改就行（修改为：np.int_,np.int32或者np.int64）。而sklearn库中存在大量使用np.int的内容，修改过于麻烦，因此专门介绍对于该情况如何解决问题。
代码如下：

from mne.decoding import CSP # Common Spatial Pattern Filtering
from mne.channels import read_layout
from sklearn import preprocessing
from sklearn.preprocessing import OneHotEncoder
from sklearn.model_selection import ShuffleSplit

# OneHotEncoding Labels
enc = OneHotEncoder()
X_out = enc.fit_transform(labels.reshape(-1,1)).toarray()

# Cross Validation Split 交叉验证拆分
cv = ShuffleSplit(n_splits = 10, test_size = 0.2, random_state = 0)

from sklearn.metrics import accuracy_score
from sklearn.metrics import cohen_kappa_score
from sklearn.metrics import precision_score
from sklearn.metrics import recall_score

acc = []
ka = []
prec = []
recall = []

ka.append(cohen_kappa_score(test_trues, test_pres))

报错：

1. 环境介绍

首先，对代码当前使用环境进行简单介绍。

代码环境：python版本为：3.9、numpy版本为：1.25.0、sklearn版本为：0.21.3。 代码中存在大量关于jupyter的环境，可以在观看的时候将其忽略。

aiofiles                 22.1.0
aiosqlite                0.18.0
albumentations           1.2.1
anyio                    3.5.0
appdirs                  1.4.4
argon2-cffi              21.3.0
argon2-cffi-bindings     21.2.0
asttokens                2.0.5
attrs                    22.1.0
Babel                    2.11.0
backcall                 0.2.0
beautifulsoup4           4.12.2
bleach                   4.1.0
brotlipy                 0.7.0
certifi                  2023.5.7
cffi                     1.15.1
charset-normalizer       2.0.4
chinese-calendar         1.8.0
colorama                 0.4.6
comm                     0.1.2
contourpy                1.1.0
cryptography             39.0.1
cycler                   0.11.0
debugpy                  1.5.1
decorator                5.1.1
defusedxml               0.7.1
entrypoints              0.4
executing                0.8.3
fastjsonschema           2.16.2
fonttools                4.40.0
idna                     3.4
importlib-metadata       6.0.0
importlib-resources      5.12.0
ipykernel                6.19.2
ipython                  8.12.0
ipython-genutils         0.2.0
ipywidgets               8.0.4
jedi                     0.18.1
Jinja2                   3.1.2
joblib                   1.2.0
json5                    0.9.6
jsonschema               4.17.3
jupyter                  1.0.0
jupyter_client           8.1.0
jupyter-console          6.6.3
jupyter_core             5.3.0
jupyter-events           0.6.3
jupyter_server           2.5.0
jupyter_server_fileid    0.9.0
jupyter_server_terminals 0.4.4
jupyter_server_ydoc      0.8.0
jupyter-ydoc             0.2.4
jupyterlab               3.6.3
jupyterlab-pygments      0.1.2
jupyterlab_server        2.22.0
jupyterlab-widgets       3.0.5
kiwisolver               1.4.4
lxml                     4.9.2
MarkupSafe               2.1.1
matplotlib               3.7.1
matplotlib-inline        0.1.6
mistune                  0.8.4
mkl-fft                  1.3.6
mkl-random               1.2.2
mkl-service              2.4.0
mne                      1.4.2
nbclassic                0.5.5
nbclient                 0.5.13
nbconvert                6.5.4
nbformat                 5.7.0
nest-asyncio             1.5.6
notebook                 6.5.4
notebook_shim            0.2.2
numpy                    1.25.0
packaging                23.0
pandocfilters            1.5.0
parso                    0.8.3
pickleshare              0.7.5
Pillow                   10.0.0
pip                      23.1.2
platformdirs             2.5.2
ply                      3.11
pooch                    1.4.0
prometheus-client        0.14.1
prompt-toolkit           3.0.36
psutil                   5.9.0
pure-eval                0.2.2
pycparser                2.21
Pygments                 2.15.1
pyOpenSSL                23.0.0
pyparsing                3.1.0
pypiwin32                223
PyQt5                    5.15.7
PyQt5-sip                12.11.0
pyrsistent               0.18.0
PySocks                  1.7.1
python-dateutil          2.8.2
python-json-logger       2.0.7
pyttsx3                  2.90
pytz                     2022.7
PyWavelets               1.4.1
pywin32                  305.1
pywinpty                 2.0.10
PyYAML                   6.0
pyzmq                    25.1.0
qtconsole                5.4.2
QtPy                     2.2.0
qudida                   0.0.4
requests                 2.29.0
rfc3339-validator        0.1.4
rfc3986-validator        0.1.1
scikit-learn             0.21.3
scipy                    1.10.1
Send2Trash               1.8.0
setuptools               67.8.0
sip                      6.6.2
six                      1.16.0
sniffio                  1.2.0
soupsieve                2.4
stack-data               0.2.0
terminado                0.17.1
threadpoolctl            2.2.0
tinycss2                 1.2.1
toml                     0.10.2
tomli                    2.0.1
torch                    1.12.1+cu116
torchaudio               0.12.1+cu116
torchvision              0.13.1+cu116
tornado                  6.2
tqdm                     4.65.0
traitlets                5.7.1
typing_extensions        4.6.3
urllib3                  1.26.16
wcwidth                  0.2.5
webencodings             0.5.1
websocket-client         0.58.0
wheel                    0.38.4
widgetsnbextension       4.0.5
win-inet-pton            1.1.0
y-py                     0.5.9
ypy-websocket            0.8.2
zipp                     3.11.0

2. 问题分析

首先对问题进行分析，根据报错信息以及报错中的问题指出可以发现，错误来源于numpy库包在当前版本已经没有了np.int这个用法，而这里却使用了这个用法。np.int 在 NumPy 1.20 中已弃用，在 NumPy 1.24 中已删除。
具体地址为：~\AppData\Roaming\Python\Python39\site-packages\sklearn\metrics\classification.py:564 （~表示当前电脑用户地址，一般为：C:\user）
具体代码为：w_mat = np.ones([n_classes, n_classes], dtype=np.int)
错误为：module 'numpy' has no attribute 'int'.，即不能使用np.int，需要对其进行替换。

3. 解决方法

3.1 调用解决

对于自己调用np.int报错，可以通过修改该用法来解决。这里我们点击报错所给的链接，然后得到了下面的图像：

从上面可以看出，对于调用np.int报错的内容，可以通过将np.int替换为np.int_、np.int32或者np.int64来解决该报错。

3.2 库包中存在报错

对于上文提及的sklearn中存在报错的情况，虽然根据报错给出的具体地址可以找到报错代码，然后根据上文3.1节给出的修改方法可以解决该报错。但是，当你下次同样使用该库包时可能仍会出现上文给出的错误的情况。
因此，这里从sklearn库创建者的角度思考：我不能容忍一个错误存在这么久。所以，尝试对库包进行更新，而更新后的库包理论上应该不会存在该错误。

这里，使用以下命令对sklearn库包进行更新：

pip install scikit-learn --upgrade --user

最后，得到更新后的sklearn的版本为：

scikit-learn             1.3.0

最后，实验结果表明：sklearn库包经更新后，代码可以跑通了！实在是不容易哦！！！

4. 总结

总的而言，感觉出现该错误可能就是我使用的sklearn版本太低了了（scikit-learn=0.21.3），不过好歹问题解决了。网上的相关教程根本没有，所以根据自己的经验来总结这篇文章，希望大家会喜欢。如果有什么疑问欢迎在评论区提出，对于共性问题可能会后续添加到文章介绍中。

如果觉得这篇文章对你有用，记得点赞、收藏并分享给你的小伙伴们哦😄。