Python PyPI包“;densratio“;密度比估计得分均为nan

Python PyPI包“;densratio“;密度比估计得分均为nan,python,kernel-density,Python,Kernel Density,我正在使用Python库,获取训练数据的KIELP权重。 我的数据集是Kaggle的房价,经过一次热编码后有222列 x\u列车形状: (978222) x_测试形状: (48222) 调用后,所有分数均为nan 从densratio导入densratio densratio(x_序列,x_测试,α=0.1,sigma_范围=[0.1,0.3,0.5,0.7,1],lambda_范围=[0.01,0.02,0.03,0.04,0.05])) RuLSIF启动。。。 寻找最佳的西格玛和λ。。

我正在使用Python库,获取训练数据的KIELP权重。 我的数据集是Kaggle的房价,经过一次热编码后有222列

x\u列车形状

(978222)
x_测试形状

(48222)
调用后,所有分数均为
nan

从densratio导入densratio
densratio(x_序列,x_测试,α=0.1,sigma_范围=[0.1,0.3,0.5,0.7,1],lambda_范围=[0.01,0.02,0.03,0.04,0.05]))
RuLSIF启动。。。
寻找最佳的西格玛和λ。。。
西格玛=0.10000,λ=0.01000,分数=nan
西格玛=0.10000,λ=0.02000,分数=nan
西格玛=0.10000,λ=0.03000,分数=nan
--------- ....... --------- ----------------同样
西格玛=1.00000,λ=0.03000,分数=nan
西格玛=1.00000,λ=0.04000,分数=nan
西格玛=1.00000,λ=0.05000,分数=nan
找到最佳σ=0.000,λ=0.000。
优化θ。。。
近似α相对PE散度=nan
近似α相对KL散度=nan
RuLSIF已完成。
方法:RuLSIF
阿尔法:0.1
内核信息:
核类型:高斯型
内核数:100
带宽(西格玛):0
中心:阵列([[2.000e+00,4.000e+00,2.000e+00,…,2.000e+00,2.022e+03,…),。。
内核权重(θ):
数组([nan,nan,nan,nan,nan,nan,nan,nan,nan,nan,nan,nan,。。
正则化参数(λ):0
α相对PE散度:nan
α相对KL散度:nan
用于估计密度比的函数:
计算密度比(x)

问题是什么?