Ошибка: объект типа 'numpy.float64' не имеет len () - PullRequest
Новая
       18

Ошибка: объект типа 'numpy.float64' не имеет len ()

0 голосов
/ 24 июня 2018 
from sklearn.model_selection import train_test_split  
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import SGDRegressor
from sklearn.model_selection import RandomizedSearchCV

train,test,train_label,test_label=train_test_split(feature_data,target_data,test_size=0.20,random_state=3)

sc=StandardScaler()
train_std=sc.fit_transform(train)
test_Std=sc.transform(test)

pipe=SGDRegressor()
parameters = {'sgd__loss':['squared_loss','huber'],
         'sgd__n_iter':np.ceil(106/len(train_label)),
         'sgd__alpha':10.0**np.arange(1,7),             
    }
g_search=RandomizedSearchCV(pipe,param_distributions=parameters,random_state=2)
g_fit=g_search.fit(train_std,train_label)

Данные обучения: 

train_std 
Out[46]:

array([[ 1.99470848,  2.39114909,  0.96705   , ...,  0.23698853,
     0.89215521, -0.74111955],
   [-0.50742363, -0.54567689, -0.29516734, ...,  0.00491999,
    -0.73959331,  0.42680023],
   [-0.46965669, -0.10483307,  0.90566027, ..., -0.34272278,
     0.69705485,  0.56151837],
   ...,
   [-0.05849323,  0.11803686,  0.45737245, ...,  0.24026818,
     0.75026404, -0.3829142 ],
   [ 0.83045625,  0.66257208, -0.01582026, ...,  0.32870492,
    -0.27844698, -0.83648146],
   [-0.0886727 ,  0.46158079,  1.36521081, ..., -0.10050365,
    -0.68638412, -0.04006983]])

Учебная этикетка 

 train_label
Out[47]: 
24429     1.863
32179    18.296
42715     1.417
6486      6.562
39407    18.669
         ...
42602     6.002
6557      2.921
30305    11.835
4718      1.212

Ошибка: объект типа 'numpy.float64' не имеет len ()

g_fit вызывает ошибку при подборе обучающих данных

Я пытаюсь использовать SGDRegressor от RandomizedSearchCV, но получаю

ошибка при отправке данных тренировки

Ответы [ 2 ]

0 голосов
/ 24 июня 2018

Таким образом, ошибка вызвана значением, соответствующим ключу 'sgd__n_iter': np.ceil(10**6/len(train_label)).

Таким образом, у вас есть две возможности исправить это:

  1. Превратить его в список: [np.ceil(10**6/len(train_label))]
  2. Добавить его сразу в конструктор SGDRegressorи не помещайте его в словарь param_distributions.

Я также заметил некоторые несоответствия в вашем коде, поэтому посмотрите ниже минимальную и немного более чистую версию вашего кода 

import numpy as np
from sklearn.pipeline import Pipeline
from sklearn.linear_model import SGDRegressor
from sklearn.model_selection import RandomizedSearchCV, train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.datasets import make_regression

n_samples = 1000
n_features = 50
X, y = make_regression(n_samples=n_samples, n_features=n_features)
X_train, X_test, y_train, y_test = train_test_split(X, y)

pipe = Pipeline([('scaler', StandardScaler()),
                 ('sgd', SGDRegressor())])

parameters = {'sgd__loss': ['squared_loss','huber'],
              'sgd__n_iter': [np.ceil(10**6 / n_samples)],
              'sgd__alpha': 10.0**np.arange(1,7)} 

g_search = RandomizedSearchCV(pipe, param_distributions=parameters, random_state=2)

g_search.fit(X_train, y_train)
0 голосов
/ 24 июня 2018

Полагаю, следующая строка вызывает указанную ошибку: 

parameters = {...,
         'sgd__n_iter':np.ceil(10**6/len(train_label)), # <--- should be a list-like object, not a scalar!
         ...,             
    }

попробуйте следующее: 

parameters = {'sgd__loss':['squared_loss','huber'],
         'sgd__n_iter': [np.ceil(10**6/len(train_label))],
         # NOTE:        ^                               ^
         'sgd_alpha':10.0**np.arange(1,7),             
    }
...