Python 3.x 使用GridSearchCV和RandomizedSearchCV时出错
当尝试使用或来拟合我的培训数据时，我不断遇到以下错误： TypeError:不支持类型的转换：（dtype（'O'）、dtype（'O'）） 以下是相关代码的示例：Python 3.x 使用GridSearchCV和RandomizedSearchCV时出错,python-3.x,scipy,scikit-learn,sparse-matrix,cross-validation,Python 3.x,Scipy,Scikit Learn,Sparse Matrix,Cross Validation,当尝试使用或来拟合我的培训数据时，我不断遇到以下错误： TypeError:不支持类型的转换：（dtype（'O'）、dtype（'O'）） 以下是相关代码的示例： from xgboost.sklearn import XGBRegressor as XGR from sklearn.model_selection import RandomizedSearchCV, GridSearchCV xgbRegModel = XGR() params = {'max_depth':[3, 6,
from xgboost.sklearn import XGBRegressor as XGR
from sklearn.model_selection import RandomizedSearchCV, GridSearchCV
xgbRegModel = XGR()
params = {'max_depth':[3, 6, 9], 'learning_rate':[.05, .1, .5], 'n_estimators': [50, 100, 200]}
rscv = RandomizedSearchCV(xgbRegModel, params)
rscv.fit(X, y)
rscv.best_model_
Xyint64float64np.nannp.nanTypeError Traceback (most recent call last)
<ipython-input-54-63d54d4cd03e> in <module>()
3 xgbRegModel = XGR()
4 rscv = RandomizedSearchCV(xgbRegModel, params)
----> 5 rscv.fit(X, y)
6 rscv.best_model_
~\Anaconda3\lib\site-packages\sklearn\model_selection\_search.py in fit(self, X, y, groups, **fit_params)
636 error_score=self.error_score)
637 for parameters, (train, test) in product(candidate_params,
--> 638 cv.split(X, y, groups)))
639
640 # if one choose to see train score, "out" will contain train score info
~\Anaconda3\lib\site-packages\sklearn\externals\joblib\parallel.py in __call__(self, iterable)
777 # was dispatched. In particular this covers the edge
778 # case of Parallel used with an exhausted iterator.
--> 779 while self.dispatch_one_batch(iterator):
780 self._iterating = True
781 else:
~\Anaconda3\lib\site-packages\sklearn\externals\joblib\parallel.py in dispatch_one_batch(self, iterator)
623 return False
624 else:
--> 625 self._dispatch(tasks)
626 return True
627
~\Anaconda3\lib\site-packages\sklearn\externals\joblib\parallel.py in _dispatch(self, batch)
586 dispatch_timestamp = time.time()
587 cb = BatchCompletionCallBack(dispatch_timestamp, len(batch), self)
--> 588 job = self._backend.apply_async(batch, callback=cb)
589 self._jobs.append(job)
590
~\Anaconda3\lib\site-packages\sklearn\externals\joblib\_parallel_backends.py in apply_async(self, func, callback)
109 def apply_async(self, func, callback=None):
110 """Schedule a func to be run"""
--> 111 result = ImmediateResult(func)
112 if callback:
113 callback(result)
~\Anaconda3\lib\site-packages\sklearn\externals\joblib\_parallel_backends.py in __init__(self, batch)
330 # Don't delay the application, to avoid keeping the input
331 # arguments in memory
--> 332 self.results = batch()
333
334 def get(self):
~\Anaconda3\lib\site-packages\sklearn\externals\joblib\parallel.py in __call__(self)
129
130 def __call__(self):
--> 131 return [func(*args, **kwargs) for func, args, kwargs in self.items]
132
133 def __len__(self):
~\Anaconda3\lib\site-packages\sklearn\externals\joblib\parallel.py in <listcomp>(.0)
129
130 def __call__(self):
--> 131 return [func(*args, **kwargs) for func, args, kwargs in self.items]
132
133 def __len__(self):
~\Anaconda3\lib\site-packages\sklearn\model_selection\_validation.py in _fit_and_score(estimator, X, y, scorer, train, test, verbose, parameters, fit_params, return_train_score, return_parameters, return_n_test_samples, return_times, error_score)
425 start_time = time.time()
426
--> 427 X_train, y_train = _safe_split(estimator, X, y, train)
428 X_test, y_test = _safe_split(estimator, X, y, test, train)
429
~\Anaconda3\lib\site-packages\sklearn\utils\metaestimators.py in _safe_split(estimator, X, y, indices, train_indices)
198 X_subset = X[np.ix_(indices, train_indices)]
199 else:
--> 200 X_subset = safe_indexing(X, indices)
201
202 if y is not None:
~\Anaconda3\lib\site-packages\sklearn\utils\__init__.py in safe_indexing(X, indices)
160 return X.take(indices, axis=0)
161 else:
--> 162 return X[indices]
163 else:
164 return [X[idx] for idx in indices]
~\Anaconda3\lib\site-packages\scipy\sparse\csr.py in __getitem__(self, key)
315 if isintlike(col) or isinstance(col,slice):
316 P = extractor(row, self.shape[0]) # [[1,2],j] or [[1,2],1:2]
--> 317 extracted = P * self
318 if col == slice(None, None, None):
319 return extracted
~\Anaconda3\lib\site-packages\scipy\sparse\base.py in __mul__(self, other)
367 if self.shape[1] != other.shape[0]:
368 raise ValueError('dimension mismatch')
--> 369 return self._mul_sparse_matrix(other)
370
371 # If it's a list or whatever, treat it like a matrix
~\Anaconda3\lib\site-packages\scipy\sparse\compressed.py in _mul_sparse_matrix(self, other)
539 indptr = np.asarray(indptr, dtype=idx_dtype)
540 indices = np.empty(nnz, dtype=idx_dtype)
--> 541 data = np.empty(nnz, dtype=upcast(self.dtype, other.dtype))
542
543 fn = getattr(_sparsetools, self.format + '_matmat_pass2')
~\Anaconda3\lib\site-packages\scipy\sparse\sputils.py in upcast(*args)
49 return t
50
---> 51 raise TypeError('no supported conversion for types: %r' % (args,))
52
53
TypeError: no supported conversion for types: (dtype('O'), dtype('O'))
TypeError回溯（最近一次调用）
在（）
3 xgbRegModel=XGR（）
4 rscv=随机搜索CV（xgbRegModel，参数）
---->5 rscv.配合（X，y）
6 rscv.best_模型_
~\Anaconda3\lib\site packages\sklearn\model\u selection\\u search.py in fit（self、X、y、groups、**fit\u参数）
636错误分数=自我错误分数）
637对于产品中的参数（训练、测试）（候选参数，
-->638 cv.分割（X、y、组）
639
640#如果选择查看列车分数，“out”将包含列车分数信息
调用中的~\Anaconda3\lib\site packages\sklearn\externals\joblib\parallel.py（self，iterable）
777#被派遣。特别是，这覆盖了边缘
778#与耗尽迭代器一起使用的并行情况。
-->779自调度一批时（迭代器）：
780自迭代=真
781其他：
~\Anaconda3\lib\site packages\sklearn\externals\joblib\parallel.py在dispatch\u one\u批处理中（self，迭代器）
623返回错误
624其他：
-->625自我派遣（任务）
626返回真值
627
~\Anaconda3\lib\site packages\sklearn\externals\joblib\parallel.py in\u dispatch（self，batch）
586 dispatch_timestamp=time.time（）
587 cb=BatchCompletionCallBack（调度时间戳，len（批处理），self）
-->588 job=self.\u backend.apply\u async（批处理，回调=cb）
589 self.\u jobs.append（作业）
590
~\Anaconda3\lib\site packages\sklearn\externals\joblib\\u parallel\u backends.py in apply\u async（self、func、callback）
109 def apply_async（self、func、callback=None）：
110“计划要运行的func”
-->111结果=立即结果（func）
112如果回调：
113回调（结果）
~\Anaconda3\lib\site packages\sklearn\externals\joblib\\u parallel\u backends.py in\uuuuuuuu init\uuuu（self，batch）
330#不要延迟应用程序，以免保留输入
331#内存中的参数
-->332 self.results=batch（）
333
334 def get（自我）：
~\Anaconda3\lib\site packages\sklearn\externals\joblib\parallel.py in\uuuuu调用（self）
129
130 def呼叫（自我）：
-->131返回[func（*args，**kwargs），用于self.items中的func、args、kwargs]
132
133定义长度（自）：
~\Anaconda3\lib\site packages\sklearn\externals\joblib\parallel.py in（.0）
129
130 def呼叫（自我）：
-->131返回[func（*args，**kwargs），用于self.items中的func、args、kwargs]
132
133定义长度（自）：
~\Anaconda3\lib\site packages\sklearn\model\u selection\\u validation.py in\u fit\u和\u score（估计器、X、y、记分器、训练、测试、详细、参数、拟合参数、返回训练分数、返回参数、返回测试样本、返回次数、错误分数）
425开始时间=时间。时间（）
426
-->427 X_序列，y_序列=_安全分割（估算器，X，y，序列）
428 X_测试，y_测试=_安全分割（估计器，X，y，测试，列车）
429
~\Anaconda3\lib\site packages\sklearn\utils\metaestimators.py在安全分割中（估计器，X，y，指数，序列指数）
198 X_子集=X[np.ix_（指数，序列指数）]
199其他：
-->200 X_子集=安全索引（X，索引）
201
202如果y不是无：
安全索引中的~\Anaconda3\lib\site packages\sklearn\utils\\uuuuu init\uuuuuu.py（X，索引）
160返回X.take（指数，轴=0）
161其他：
-->162返回X[指数]
163其他：
164返回[X[idx]用于索引中的idx]
~\Anaconda3\lib\site packages\scipy\sparse\csr.py in\uuuuu getitem\uuuuuuu（self，key）
315如果isintlike（列）或isinstance（列，切片）：
316 P=提取器（行，自形[0]）#[[1,2]，j]或[[1,2]，1:2]
-->317提取=P*self
318如果列==切片（无，无，无）：
319返回提取
~\Anaconda3\lib\site packages\scipy\sparse\base.py in\uuuuuu mul\uuuuu（self，other）
367如果自我塑造[1]！=其他。形状[0]：
368提升值错误（“维度不匹配”）
-->369返回自多稀疏矩阵（其他）
370
371#如果它是一个列表或其他什么，请将其视为矩阵
矩阵中的~\Anaconda3\lib\site packages\scipy\sparse\compressed.py（自身、其他）
539 indptr=np.asarray（indptr，dtype=idx\u dtype）
540索引=np.空（nnz，dtype=idx_dtype）
-->541 data=np.empty（nnz，dtype=upcast（self.dtype，other.dtype））
542
543 fn=getattr（_sparsetools，self.format+'_matmatmat_pass2'）
上传中的~\Anaconda3\lib\site packages\scipy\sparse\sputils.py（*args）
49返回t
50
--->51 raise TypeError（'不支持类型转换：%r'（args，））
52
53
TypeError:不支持类型的转换：（dtype（'O'）、dtype（'O'））
X : array-like, shape = [n_samples, n_features]