Как использовать функцию cov для набора данных iris python - PullRequest
Новая
       32

Как использовать функцию cov для набора данных iris python

0 голосов
/ 04 апреля 2019

Я хочу получить ковариацию из набора данных радужной оболочки, https://www.kaggle.com/jchen2186/machine-learning-with-iris-dataset/data

Я использую numpy, а функция -> np.cov (iris) 

with open("Iris.csv") as iris:
    reader = csv.reader(iris)
    data = []
    next(reader)
    for row in reader:
        data.append(row)

for i in data:
    i.pop(0)
    i.pop(4)

iris = np.array(data)
np.cov(iris)

И я получаю эту ошибку: 

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-4-bfb836354075> in <module>
----> 1 np.cov(iris)

D:\Anaconda\lib\site-packages\numpy\lib\function_base.py in cov(m, y, rowvar, bias, ddof, fweights, aweights)
   2300             w *= aweights
   2301 
-> 2302     avg, w_sum = average(X, axis=1, weights=w, returned=True)
   2303     w_sum = w_sum[0]
   2304 

D:\Anaconda\lib\site-packages\numpy\lib\function_base.py in average(a, axis, weights, returned)
    354 
    355     if weights is None:
--> 356         avg = a.mean(axis)
    357         scl = avg.dtype.type(a.size/avg.size)
    358     else:

D:\Anaconda\lib\site-packages\numpy\core\_methods.py in _mean(a, axis, dtype, out, keepdims)
     73             is_float16_result = True
     74 
---> 75     ret = umr_sum(arr, axis, dtype, out, keepdims)
     76     if isinstance(ret, mu.ndarray):
     77         ret = um.true_divide(

TypeError: cannot perform reduce with flexible type

Я не понимаю, что это значит ..

1 Ответ

0 голосов
/ 04 апреля 2019

Итак, если вы хотите изменить свой код, попробуйте прочитать Iris.csv с функцией pandas.read_csv.А затем выберите соответствующие столбцы по вашему выбору.

НО, вот небольшой набор команд для облегчения этой задачи.Они используют scikit-learn и numpy для загрузки набора данных радужной оболочки, получают X и y и получают ковариационную матрицу: 

from sklearn.datasets import load_iris
import numpy as np

data = load_iris()
X = data['data']
y = data['target']

np.cov(X)

Надеюсь, это помогло.

...