web-dev-qa-db-ja.com

指定されたシグニチャーとキャストエラーに一致するNoループを取得する

pythonと機械学習の初心者です。statsmodels.formula.apiOLS.fit（）にデータを適合させようとすると、エラーが発生します

トレースバック（最新の呼び出しが最後）：

ファイル ""、行47、regressor_OLS = sm.OLS（y、X_opt）.fit（）

ファイル「E：\ Anaconda\lib\site-packages\statsmodels\regression\linear_model.py」、190行目、fit self.pinv_wexog、singular_values = pinv_extended（self.wexog）

ファイル "E：\ Anaconda\lib\site-packages\statsmodels\tools\tools.py"、行342、pinv_extended u、s、vt = np.linalg.svd（X、0）

ファイル「E：\ Anaconda\lib\site-packages\numpy\linalg\linalg.py」、1404行、svd u、s、vt = gufunc（a、signature = signature、extobj = extobj）

TypeError：指定されたシグニチャーと一致するループがなく、ufunc svd_n_sのキャストが見つかりませんでした

コード

#Importing Libraries
import numpy as np # linear algebra
import pandas as pd # data processing
import matplotlib.pyplot as plt #Visualization


#Importing the dataset
dataset = pd.read_csv('Video_Games_Sales_as_at_22_Dec_2016.csv')
#dataset.head(10) 

#Encoding categorical data using panda get_dummies function . Easier and straight forward than OneHotEncoder in sklearn
#dataset = pd.get_dummies(data = dataset , columns=['Platform' , 'Genre' , 'Rating' ] , drop_first = True ) #drop_first use to fix dummy varible trap 


dataset=dataset.replace('tbd',np.nan)

#Separating Independent & Dependant Varibles
#X = pd.concat([dataset.iloc[:,[11,13]], dataset.iloc[:,13: ]] , axis=1).values  #Getting important  variables
X = dataset.iloc[:,[10,12]].values
y = dataset.iloc[:,9].values #Dependant Varible (Global sales)


#Taking care of missing data
from sklearn.preprocessing import Imputer
imputer =  Imputer(missing_values = 'NaN' , strategy = 'mean' , axis = 0)
imputer = imputer.fit(X[:,0:2])
X[:,0:2] = imputer.transform(X[:,0:2])


#Splitting the dataset into the Training set and Test set
from sklearn.cross_validation import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X,y,test_size = 0.2 , random_state = 0)

#Fitting Mutiple Linear Regression to the Training Set
from sklearn.linear_model import LinearRegression
regressor = LinearRegression()
regressor.fit(X_train,y_train)

#Predicting the Test set Result
y_pred = regressor.predict(X_test)


#Building the optimal model using Backward Elimination (p=0.050)
import statsmodels.formula.api as sm
X = np.append(arr = np.ones((16719,1)).astype(float) , values = X , axis = 1)

X_opt = X[:, [0,1,2]]
regressor_OLS = sm.OLS(y , X_opt).fit()
regressor_OLS.summary()

データセット

データセットリンク

Stack-overflowまたはgoogleでこの問題を解決するのに役立つ情報は見つかりませんでした。

pythonnumpymachine-learningscikit-learn
9
Shane Ekanayake

指定してみてください

マトリックスが作成されたとき。例：

a=np.matrix([[1,2],[3,4]], dtype='float') 

これがうまくいくことを願っています！

6
Victor Sejas

前述のとおり、X_optが浮動小数点型であることを確認する必要があります。たとえば、コードでは次のようになります。

X_opt = X[:, [0,1,2]]
X_opt = X_opt.astype(float)
regressor_OLS = sm.OLS(endog=y, exog=X_opt).fit()
regressor_OLS.summary()
0
Muke888