最新numpy和scikit learn versons之间的不一致？

我刚刚将我的numpy和scikit-learn版本升级到最新版本，即numpy-1.16.3和sklearn-0.21.0（适用于Python 3.7）。很多都会崩溃，例如，数字矩阵上的简单PCA将不再有效。例如，考虑这个玩具矩阵：

Xt
Out[3561]: 
matrix([[-0.98200559,  0.80514289,  0.02461868, -1.74564111],
        [ 2.3069239 ,  1.79912014,  1.47062378,  2.52407335],
        [-0.70465054, -1.95163302, -0.67250316, -0.56615338],
        [-0.75764211, -1.03073475,  0.98067997, -2.24648769],
        [-0.2751523 , -0.46869694,  1.7917171 , -3.31407694],
        [-1.52269241,  0.05986123, -1.40287416,  2.57148354],
        [ 1.38349325, -1.30947483,  0.90442436,  2.52055143],
        [-0.4717785 , -1.46032344, -1.50331841,  3.58598692],
        [-0.03124986, -3.52378987,  1.22626145,  1.50521572],
        [-1.01453403, -3.3211243 , -0.00752532,  0.56538522]])

然后对其运行PCA：

import sklearn.decomposition as skd
est2 = skd.PCA(n_components=4)
est2.fit(Xt)

这失败了：

Traceback (most recent call last):

  File "<ipython-input-3563-1c97b7d5474f>", line 2, in <module>
    est2.fit(Xt)

  File "/home/sven/anaconda3/lib/python3.7/site-packages/sklearn/decomposition/pca.py", line 341, in fit
    self._fit(X)

  File "/home/sven/anaconda3/lib/python3.7/site-packages/sklearn/decomposition/pca.py", line 407, in _fit
    return self._fit_full(X, n_components)

  File "/home/sven/anaconda3/lib/python3.7/site-packages/sklearn/decomposition/pca.py", line 446, in _fit_full
    total_var = explained_variance_.sum()

  File "/home/sven/anaconda3/lib/python3.7/site-packages/numpy/core/_methods.py", line 36, in _sum
    return umr_sum(a, axis, dtype, out, keepdims, initial)

TypeError: float() argument must be a string or a number, not '_NoValueType'

回溯（最近一次呼叫最后一次）：
文件“”，第2行，在
est2.fit（Xt）
文件“/home/sven/anaconda3/lib/python3.7/site-packages/sklearn/decomposition/pca.py”，第341行，适合
自适配（X）
文件“/home/sven/anaconda3/lib/python3.7/site packages/sklearn/decomposition/pca.py”，第407行
返回自装配（X、n组件）
文件“/home/sven/anaconda3/lib/python3.7/site packages/sklearn/decomposition/pca.py”，第446行，完整
总风险=解释的方差总和（）
文件“/home/sven/anaconda3/lib/python3.7/site packages/numpy/core/_methods.py”，第36行，总计
返回umr_和（a、轴、数据类型、输出、保留、初始）
TypeError:float（）参数必须是字符串或数字，而不是“\u NoValueType”

我的印象是，numpy已经在一个非常基本的级别上进行了重构，包括单列矩阵引用，使得诸如np.sum、np.sqrt等函数的行为与旧版本不同

---

有人知道numpy的发展方向是什么吗？在这一点上，您的代码将在

Xt

上运行

scipy.linalg.svd

，并查看奇异值

S

    self.mean_ = np.mean(X, axis=0)
    X -= self.mean_

    U, S, V = linalg.svd(X, full_matrices=False)
    # flip eigenvectors' sign to enforce deterministic output
    U, V = svd_flip(U, V)

    components_ = V

    # Get variance explained by singular values
    explained_variance_ = (S ** 2) / (n_samples - 1)
    total_var = explained_variance_.sum()

就我的工作而言：

In [175]: est2.explained_variance_                                              
Out[175]: array([6.12529695, 3.20400543, 1.86208619, 0.11453425])
In [176]: est2.explained_variance_.sum()                                        
Out[176]: 11.305922832602981

np.sum

解释说，从v1.15开始，它需要一个

初始

参数（参考

ufunc.reduce

）。默认值为

initial=np.\u NoValue

In [178]: np._NoValue                                                           
Out[178]: <no value>
In [179]: type(np._NoValue)                                                     
Out[179]: numpy._globals._NoValueType

---

我想知道您的

scipy.linalg.svd

是否返回了一个

S

数组，该数组是“旧的”

ndarray

，并且没有完全实现此

初始

参数。我无法解释为什么会发生这种情况，但无法解释为什么数组

sum

与

np存在问题。\u NoValue

应该是est2。上面的fit（Xt）我看到

Xt

是

numpy.matrix

。

矩阵

类的行为与常规numpy数组对象不同。您是否尝试过使用常规的numpy数组而不是

numpy.matrix

？使用与您相同的版本（除了Py3.6），您的代码运行得很好。我不知道对

numpy

的任何重大更改会带来问题，尽管我不知道

PCA

在做什么。@WarrenWeckesser，使用

np.matrix

不是问题所在。这段代码为我运行。

\u NoValueType

错误表明，

np.sum

的相对（np 1.15）新的

initial

参数可能存在问题，可能是在不兼容的

scipy

版本中。值得一提的是：我刚刚用Python 3.7、numpy 1.16.3、scipy 1.2.1和scikit learn 0.21.0尝试了您的代码，效果不错。这是在64 Linux平台上。感谢您指向

scipy

版本。我有1.1.0。重新安装

scipy

、

numpy

和

numpy-base

修复了该问题。

In [180]: import scipy                                                          
In [181]: scipy.__version__                                                     
Out[181]: '1.2.1'