Evalml: IrisデータセットでのAutoMLの実行が失敗する

evalml0.11.2を実行しています。 データチェックをFalseに設定するオプションがAutoMLSearchから削除されたようです。これは、以前はこの問題の回避策でした。

TypeErrorトレースバック（最後の最後の呼び出し）
に
1 automl = AutoMLSearch（objective = "log_loss_multi"、max_pipelines = 5、problem_type = "multiclass"）
2
----> 3 automl.search（X、y）

〜.conda \ envs \ evalml_test_1.0 \ lib \ site-packages \ evalml \ automl \ automl_search.py​​ in search（self、X、y、data_checks、feature_types、raise_errors、show_iteration_plot）
316
317 data_checks = self._validate_data_checks（data_checks）
-> 318 data_check_results = data_checks.validate（X、y）
319
len（data_check_results）> 0の場合は320：

〜.conda \ envs \ evalml_test_1.0 \ lib \ site-packages \ evalml \ data_checks \ data_checks.py in validate（self、X、y）
33メッセージ= []
self.data_checksのdata_checkの場合は34：
---> 35 messages_new = data_check.validate（X、y）
36 messages.extend（messages_new）
37件の返信メッセージ

〜.conda \ envs \ evalml_test_1.0 \ lib \ site-packages \ evalml \ data_checks \ label_leakage_data_check.py in validate（self、X、y）
53 if len（X.columns）== 0：
54リターン[]
---> 55 corrs = {label：abs（y.corr（col））for label、col in X.iteritems（）if abs（y.corr（col））> = self.pct_corr_threshold}
56
57highly_corr_cols = {キー：キーの値、値> = self.pct_corr_thresholdの場合はcorrs.items（）の値}

〜.conda \ envs \ evalml_test_1.0 \ lib \ site-packages \ evalml \ data_checks \ label_leakage_data_check.py in（.0）
53 if len（X.columns）== 0：
54リターン[]
---> 55 corrs = {label：abs（y.corr（col））for label、col in X.iteritems（）if abs（y.corr（col））> = self.pct_corr_threshold}
56
57highly_corr_cols = {キー：キーの値、値> = self.pct_corr_thresholdの場合はcorrs.items（）の値}

〜.conda \ envs \ evalml_test_1.0 \ lib \ site-packages \ pandas \ core \ series.py in corr（self、other、method、min_periods）
["pearson"、 "spearman"、 "kendall"]またはcallable（method）のメソッドの場合は2252：
2253 return nanops.nancorr（
-> 2254 this.values、other.values、method = method、min_periods = min_periods
2255）
2256

〜.conda \ envs \ evalml_test_1.0 \ lib \ site-packages \ pandas \ core \ nanops.py in _f（ args、* kwargs）
67試してみてください：
68 with np.errstate（invalid = "ignore"）：
---> 69 return f（ args、* kwargs）
eとしてのValueErrorを除く70：
71＃オブジェクト配列を変換したい

〜.conda \ envs \ evalml_test_1.0 \ lib \ site-packages \ pandas \ core \ nanops.py in nancorr（a、b、method、min_periods）
1238
1239 f = get_corr_func（method）
-> 1240 return f（a、b）
1241
1242

〜.conda \ envs \ evalml_test_1.0 \ lib \ site-packages \ pandas \ core \ nanops.py in _pearson（a、b）
1254
1255 def _pearson（a、b）：
-> 1256 return np.corrcoef（a、b）[0、1]
1257
1258 def _kendall（a、b）：

<__ array_function__ internals> in corrcoef（ args、* kwargs）

〜.conda \ envs \ evalml_test_1.0 \ lib \ site-packages \ numpy \ lib \ function_base.py in corrcoef（x、y、rowvar、bias、ddof）
2524 warnings.warn（ 'biasとddofは効果がなく、非推奨です'、
2525 DeprecationWarning、stacklevel = 3）
-> 2526 c = cov（x、y、rowvar）
2527試してみてください：
2528 d = diag（c）

<__ array_function__ internals> in cov（ args、* kwargs）

〜.conda \ envs \ evalml_test_1.0 \ lib \ site-packages \ numpy \ lib \ function_base.py in cov（m、y、rowvar、bias、ddof、fweights、aweights）
2429 w * = aweights
2430
-> 2431 avg、w_sum = average（X、axis = 1、weights = w、returned = True）
2432 w_sum = w_sum [0]
2433

<__ array_function__ internals>平均（ args、* kwargs）

〜.conda \ envs \ evalml_test_1.0 \ lib \ site-packages \ numpy \ lib \ function_base.py平均（a、axis、weights、returned）
391
重みがNoneの場合は392：
-> 393 avg = a.mean（axis）
394 scl = avg.dtype.type（a.size / avg.size）
395その他：

〜.conda \ envs \ evalml_test_1.0 \ lib \ site-packages \ numpy \ core_methods.py in _mean（a、axis、dtype、out、keepdims）
152 if isinstance（ret、mu.ndarray）：
153 ret = um.true_divide（
-> 154 ret、rcount、out = ret、casting = 'unsafe'、subok = False）
is_float16_resultでoutがNoneの場合は155：
156 ret = arr.dtype.type（ret）

TypeError：/のサポートされていないオペランドタイプ： 'str'および 'int'

実行すると少し異なる動作をします。検索はスタックトレースで失敗する代わりに実行されますが、すべてのパイプラインのすべてのスコアはnanです。

ログ損失マルチクラスの最適化。
スコアが低いほど良いです。

最大4つのパイプラインを検索します。
許可されるモデルファミリ：random_forest、xgboost、linear_model、catboost

（1/4）モードベースラインマルチクラス分類...経過：00 ：00
相互検証の開始
目的のログ損失マルチクラスのスコアリング中にPipelineBase.scoreでエラーが発生しました：ufunc'isnan 'は入力タイプでサポートされておらず、キャストルール' 'safe' 'に従って、サポートされているタイプに入力を安全に強制変換できませんでした
目的のログ損失マルチクラスのスコアリング中にPipelineBase.scoreでエラーが発生しました：ufunc'isnan 'は入力タイプでサポートされておらず、キャストルール' 'safe' 'に従って、サポートされているタイプに入力を安全に強制変換できませんでした
目的のログ損失マルチクラスのスコアリング中にPipelineBase.scoreでエラーが発生しました：ufunc'isnan 'は入力タイプでサポートされておらず、キャストルール' 'safe' 'に従って、サポートされているタイプに入力を安全に強制変換できませんでした
クロス検証が終了しました-平均ログ損失マルチクラス：nan
（2/4）単純代入器付きCatBoost分類子経過：00 ：00
相互検証の開始
目的のログ損失マルチクラスのスコアリング中にPipelineBase.scoreでエラーが発生しました：ufunc'isnan 'は入力タイプでサポートされておらず、キャストルール' 'safe' 'に従って、サポートされているタイプに入力を安全に強制変換できませんでした
目的のログ損失マルチクラスのスコアリング中にPipelineBase.scoreでエラーが発生しました：ufunc'isnan 'は入力タイプでサポートされておらず、キャストルール' 'safe' 'に従って、サポートされているタイプに入力を安全に強制変換できませんでした
目的のログ損失マルチクラスのスコアリング中にPipelineBase.scoreでエラーが発生しました：ufunc'isnan 'は入力タイプでサポートされておらず、キャストルール' 'safe' 'に従って、サポートされているタイプに入力を安全に強制変換できませんでした
クロス検証が終了しました-平均ログ損失マルチクラス：nan
（3/4）XGBoost Classifier w / Simple Imputer Elapsed：00 ：02
相互検証の開始
目的のログ損失マルチクラスのスコアリング中にPipelineBase.scoreでエラーが発生しました：ufunc'isnan 'は入力タイプでサポートされておらず、キャストルール' 'safe' 'に従って、サポートされているタイプに入力を安全に強制変換できませんでした
目的のログ損失マルチクラスのスコアリング中にPipelineBase.scoreでエラーが発生しました：ufunc'isnan 'は入力タイプでサポートされておらず、キャストルール' 'safe' 'に従って、サポートされているタイプに入力を安全に強制変換できませんでした
目的のログ損失マルチクラスのスコアリング中にPipelineBase.scoreでエラーが発生しました：ufunc'isnan 'は入力タイプでサポートされておらず、キャストルール' 'safe' 'に従って、サポートされているタイプに入力を安全に強制変換できませんでした
クロス検証が終了しました-平均ログ損失マルチクラス：nan
（4/4）単純なImを使用したランダムフォレスト分類子...経過：00 ：02
相互検証の開始
目的のログ損失マルチクラスのスコアリング中にPipelineBase.scoreでエラーが発生しました：ufunc'isnan 'は入力タイプでサポートされておらず、キャストルール' 'safe' 'に従って、サポートされているタイプに入力を安全に強制変換できませんでした
目的のログ損失マルチクラスのスコアリング中にPipelineBase.scoreでエラーが発生しました：ufunc'isnan 'は入力タイプでサポートされておらず、キャストルール' 'safe' 'に従って、サポートされているタイプに入力を安全に強制変換できませんでした
目的のログ損失マルチクラスのスコアリング中にPipelineBase.scoreでエラーが発生しました：ufunc'isnan 'は入力タイプでサポートされておらず、キャストルール' 'safe' 'に従って、サポートされているタイプに入力を安全に強制変換できませんでした
クロス検証が終了しました-平均ログ損失マルチクラス：nan

00:02以降に検索が終了しました
最適なパイプライン：モードベースラインマルチクラス分類パイプライン
最高のパイプラインログ損失マルチクラス：nan
ToolId 3：AutoMLツールが完了しました
14.397秒で終了

パンダのデータ型は両方の環境で同じです。

sepal.length float64
sepal.width float64
petal.length float64
petal.width float64
クラスオブジェクト
dtype：オブジェクト

JupyterノートブックはPython3.7.3を使用しており、ツールは3.6.8です。