Scikit learn ValueError:HistGradientBoostingRegressionr至少需要一个数组或数据类型

我正在使用HistGradientBoostingRegressionor

我的代码：-

X_train, X_test, y_train, y_test = train_test_split(Train, target, test_size=0.2, random_state=16)

model = HistGradientBoostingRegressor(learning_rate = 0.1,
                                       max_iter=800,
                                       random_state = 16,
                                       validation_fraction=None,
                                       verbose = 0,
                                       max_depth=12,
                                       min_samples_leaf=25,
                                       l2_regularization=0.05)
model.fit(X_train, y_train)

我从.fit（）方法中得到了标题中所示的错误，但由于我是ML新手，所以对文档了解不多。 错误：

ValueError回溯（最近一次调用）
在里面
7分钟样品叶=25，
8 l2_正则化=0.05）
---->9型装配（X_系列、y_系列）
/opt/conda/lib/python3.6/site-packages/sklearn/employee//u hist\u gradient\u boosting/gradient\u boosting.py in fit（self，X，y）
102#为梯度和hessians更新预测X所花费的时间
103 acc\u预测时间=0。
-->104 X，y=check_X_y（X，y，dtype=[X_dtype]，force_all_finite=False）
105 y=自我编码y（y）
106
/检查中的opt/conda/lib/python3.6/site-packages/sklearn/utils/validation.py（X，y，接受稀疏，接受大稀疏，数据类型，顺序，复制，强制所有有限，确保二维，允许多输出，确保最小样本，确保最小特征，数字，警告数据类型，估算器）
753确保最小功能=确保最小功能，
754 warn_on_dtype=warn_on_dtype，
-->755估算器=估算器）
756如果多输出：
757 y=检查数组（y，'csr'，强制所有有限=真，确保2d=假，
/检查数组中的opt/conda/lib/python3.6/site-packages/sklearn/utils/validation.py
473
474如果数据类型中的数据类型为all（isinstance（数据类型，np.dtype））：
-->475数据类型原始=np.结果类型（*数据类型原始）
476
477如果数据类型为数字：
结果类型中（*args，**kwargs）
ValueError:至少需要一个数组或数据类型

谢谢你的帮助

ValueError Traceback (most recent call last)
in
7 min_samples_leaf=25,
8 l2_regularization=0.05)
----> 9 model.fit(X_train, y_train)

/opt/conda/lib/python3.6/site-packages/sklearn/ensemble/_hist_gradient_boosting/gradient_boosting.py in fit(self, X, y)
102 # time spent predicting X for gradient and hessians update
103 acc_prediction_time = 0.
--> 104 X, y = check_X_y(X, y, dtype=[X_DTYPE], force_all_finite=False)
105 y = self._encode_y(y)
106

/opt/conda/lib/python3.6/site-packages/sklearn/utils/validation.py in check_X_y(X, y, accept_sparse, accept_large_sparse, dtype, order, copy, force_all_finite, ensure_2d, allow_nd, multi_output, ensure_min_samples, ensure_min_features, y_numeric, warn_on_dtype, estimator)
753 ensure_min_features=ensure_min_features,
754 warn_on_dtype=warn_on_dtype,
--> 755 estimator=estimator)
756 if multi_output:
757 y = check_array(y, 'csr', force_all_finite=True, ensure_2d=False,

/opt/conda/lib/python3.6/site-packages/sklearn/utils/validation.py in check_array(array, accept_sparse, accept_large_sparse, dtype, order, copy, force_all_finite, ensure_2d, allow_nd, ensure_min_samples, ensure_min_features, warn_on_dtype, estimator)
473
474 if all(isinstance(dtype, np.dtype) for dtype in dtypes_orig):
--> 475 dtype_orig = np.result_type(*dtypes_orig)
476
477 if dtype_numeric:

<array_function internals> in result_type(*args, **kwargs)

ValueError: at least one array or dtype is required