Python Seaborn distplot“；numpy.linalg.LinAlgError:奇异矩阵“；

我正在使用Pycharm运行一个机器学习界面代码。SVM算法不断破坏我的界面，出现以下错误：

line 1220, in pushButton_8_handlerax1 = sns.distplot(Y_predict)
line 979, in invraise LinAlgError("singular matrix")
numpy.linalg.LinAlgError: singular matrix

代码如下

从sklearn导入模型选择
从sklearn.model\u选择导入列车\u测试\u拆分
从sklearn.model_选择导入交叉值_分数
从sklearn.linear_模型导入逻辑回归
从sklearn.tree导入DecisionTreeClassifier
从sklearn.neighbors导入KNeighborsClassifier
从sklearn.discriminant\u分析导入线性描述分析
从sklearn.naive_bayes导入GaussianNB
从sklearn.svm导入SVC
从sklearn.preprocessing导入标签编码器
从sklearn导入树
从sklearn.metrics导入准确性\u分数
进口泡菜
从PIL导入图像
将numpy作为np导入
导入seaborn作为sns
def绘图_分布（inp）：
plt.图（）
ax=sns.distplot（inp）
打印轴（np.平均值（inp），color=“k”，linestyle=“虚线”，线宽=5）
_，max=plt.ylim（）
plt.text(
输入平均值（）+输入平均值（）/10，
最大值-最大值/10，
“Mean:{.2f}”.format（inp.Mean（）），
)
返回plt图
打印（np.平均值（Y_检验））
打印（np.平均值（Y_预测））
#距离预测与试验和平均值_________________________
plt.图（figsize=（9,5））
o=np.平均值（Y_检验）
tt=np.平均值（Y_列）
ax1=sns.distplot（Y_预测）
ax2=sns.distplot（Y_测试）
RR1=（‘平均值：’，tt）
RR2=（‘平均值：’，o）
plt.axvline（np.mean（Y_predict），color='b'，linestyle='虚线'，linewidth=5，label=RR1）
打印轴（np.平均值（Y_检验），颜色为橙色，线型为虚线，线宽为5，标签为RR2）
plt.legend（）
plt.savefig（'DecisionTreeClassifier2.png'））

基本上，错误在

ax1=sns.distplot（Y\u predict）

处

我希望我能解释这个问题

---

感谢

这里可以找到类似错误的讨论：但是，在您的案例中，您似乎使用的是旧版本的

seaborn

在最新版本的

seaborn

中，不会出现此错误（参考：）

---

错误解释

---

出现此错误的原因是

distplot

函数的默认输入参数为

kde=True

，这会导致观察到的错误。

Y\u predict

似乎是离散的，具有较大的箱子尺寸。然后，平均k-最近距离为0（对于不太大的k），这将影响KDE的内核宽度估计。

Seaborn版本

0.7.1

可以消除奇异矩阵错误。

如果消除PyQt5，错误将被消除？发布完整的错误日志。感谢您的输入，当我在VisualStudioCode或Jupiter lab上运行代码时，它确实工作得很好。只有pycharme或Idle显示此错误。我访问了github链接（#1823不要在kdeplot中的单一数据上出错）。我需要做什么。我应该在gethub的某个地方查找Seaborn更新还是复制代码。我对这个问题完全陌生。seaborn 0.11有这个错误