Evalml: 홍채 데이터 세트에서 AutoML 실행 실패

evalml 0.11.2를 실행합니다. 이전에 이 문제에 대한 해결 방법이었던 AutoMLSearch에서 데이터 검사를 False로 설정하는 옵션이 제거된 것 같습니다.

TypeError Traceback(가장 최근 호출 마지막)
에
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 ​​검색(self, X, y, data_checks, feature_types, raise_errors, show_iteration_plot)
316
317 = 寶度
--> 318 data_check_results = data_checks.validate(X, y)
319
320 if len(data_check_results) > 0:

~.conda\envs\evalml_test_1.0\lib\site-packages\evalml\data_checks\data_checks.py in validate(self, X, y)
33개의 메시지 = []
self.data_checks의 data_check용 34개:
---> 35개의 메시지_신규 = data_check.validate(X, y)
36 메시지.확장(messages_new)
37 반환 메시지

~.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 반환 []
---> 55 corrs = {label: abs(y.corr(col)) for label, col in X.iteritems() if abs(y.corr(col)) >= self.pct_corr_threshold}
56
57 high_corr_cols = {키: 키에 대한 값, 값 >= self.pct_corr_threshold인 경우 corrs.items()의 값}

~.conda\envs\evalml_test_1.0\lib\site-packages\evalml\data_checks\label_leakage_data_check.py(.0)
53 if len(X.columns) == 0:
54 반환 []
---> 55 corrs = {label: abs(y.corr(col)) for label, col in X.iteritems() if abs(y.corr(col)) >= self.pct_corr_threshold}
56
57 high_corr_cols = {키: 키에 대한 값, 값 >= self.pct_corr_threshold인 경우 corrs.items()의 값}

~.conda\envs\evalml_test_1.0\lib\site-packages\pandas\core\series.py in corr(self, other, method, min_periods)
2252 if method in ["pearson", "spearman", "kendall"] 또는 callable(method):
2253
-> 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 시도:
68 np.errstate(invalid="ignore"):
---> 69 반환 f( 인수, * kwargs)
70 e로 ValueError 제외:
71 # 객체 배열을 변환하고 싶습니다

~.conda\envs\evalml_test_1.0\lib\site-packages\pandas\core\nanops.py in nancorr(a, b, method, min_periods)
1238
1239 에프 = get_corr_func(메소드)
-> 1240 반환 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 반환 np.corrcoef(a, b)[0, 1]
1257
1258 def _kendall(a, b):

corrcoef( args, * kwargs)의 <__array_function__ 내부>

~.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 및 ddof는 효과가 없으며 더 이상 사용되지 않습니다',
2525 사용 중단 경고, 스택 수준=3)
-> 2526 c = cov(x, y, rowvar)
2527 시도:
2528 d = diag(c)

cov( args, * kwargs)의 <__array_function__ 내부>

~.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 *= 무게
2430
-> 2431 평균, w_sum = 평균(X, 축=1, 가중치=w, 반환됨=참)
2432 (주)에이치
2433

<__array_function__ 내부> 평균( args, * kwargs)

~.conda\envs\evalml_test_1.0\lib\site-packages\numpy\lib\function_base.py in average(a, axis, weights, 반환됨)
391
가중치가 없음인 경우 392:
--> 393 평균 = 평균(축)
394 scl = avg.dtype.type
395 기타:

~.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):
153화
--> 154 ret, rcount, out=ret, 캐스팅='안전하지 않음', subok=False)
155 is_float16_result이고 out이 None이면:
156화

TypeError: 지원되지 않는 피연산자 유형/: 'str' 및 'int'

실행할 때 약간 다른 작업을 수행합니다. 스택 추적으로 실패하는 대신 검색이 실행되지만 모든 파이프라인에 대한 모든 점수는 nan입니다.

로그 손실 다중 클래스에 대한 최적화.
점수가 낮을수록 좋습니다.

최대 4개의 파이프라인을 검색합니다.
허용되는 모델 패밀리: random_forest, xgboost, linear_model, catboost

(1/4) 모드 기준선 다중 클래스 분류... 경과:00 :00
교차 검증 시작
목표 Log Loss Multiclass를 채점하는 동안 PipelineBase.score의 오류: ufunc 'isnan'은 입력 유형에 대해 지원되지 않으며 입력은 캐스팅 규칙 ''safe''에 따라 지원되는 유형으로 안전하게 강제 변환될 수 없습니다.
목표 Log Loss Multiclass를 채점하는 동안 PipelineBase.score의 오류: ufunc 'isnan'은 입력 유형에 대해 지원되지 않으며 입력은 캐스팅 규칙 ''safe''에 따라 지원되는 유형으로 안전하게 강제 변환될 수 없습니다.
목표 Log Loss Multiclass를 채점하는 동안 PipelineBase.score의 오류: ufunc 'isnan'은 입력 유형에 대해 지원되지 않으며 입력은 캐스팅 규칙 ''safe''에 따라 지원되는 유형으로 안전하게 강제 변환될 수 없습니다.
교차 검증 완료 - 평균 로그 손실 멀티클래스: nan
(2/4) CatBoost 분류기 w/ Simple Imputer Elapsed:00 :00
교차 검증 시작
목표 Log Loss Multiclass를 채점하는 동안 PipelineBase.score의 오류: ufunc 'isnan'은 입력 유형에 대해 지원되지 않으며 입력은 캐스팅 규칙 ''safe''에 따라 지원되는 유형으로 안전하게 강제 변환될 수 없습니다.
목표 Log Loss Multiclass를 채점하는 동안 PipelineBase.score의 오류: ufunc 'isnan'은 입력 유형에 대해 지원되지 않으며 입력은 캐스팅 규칙 ''safe''에 따라 지원되는 유형으로 안전하게 강제 변환될 수 없습니다.
목표 Log Loss Multiclass를 채점하는 동안 PipelineBase.score의 오류: ufunc 'isnan'은 입력 유형에 대해 지원되지 않으며 입력은 캐스팅 규칙 ''safe''에 따라 지원되는 유형으로 안전하게 강제 변환될 수 없습니다.
교차 검증 완료 - 평균 로그 손실 멀티클래스: nan
(3/4) XGBoost 분류기 w/ Simple Imputer Elapsed:00 :02
교차 검증 시작
목표 Log Loss Multiclass를 채점하는 동안 PipelineBase.score의 오류: ufunc 'isnan'은 입력 유형에 대해 지원되지 않으며 입력은 캐스팅 규칙 ''safe''에 따라 지원되는 유형으로 안전하게 강제 변환될 수 없습니다.
목표 Log Loss Multiclass를 채점하는 동안 PipelineBase.score의 오류: ufunc 'isnan'은 입력 유형에 대해 지원되지 않으며 입력은 캐스팅 규칙 ''safe''에 따라 지원되는 유형으로 안전하게 강제 변환될 수 없습니다.
목표 Log Loss Multiclass를 채점하는 동안 PipelineBase.score의 오류: ufunc 'isnan'은 입력 유형에 대해 지원되지 않으며 입력은 캐스팅 규칙 ''safe''에 따라 지원되는 유형으로 안전하게 강제 변환될 수 없습니다.
교차 검증 완료 - 평균 로그 손실 멀티클래스: nan
(4/4) Random Forest Classifier w/ Simple Im... Elapsed:00 :02
교차 검증 시작
목표 Log Loss Multiclass를 채점하는 동안 PipelineBase.score의 오류: ufunc 'isnan'은 입력 유형에 대해 지원되지 않으며 입력은 캐스팅 규칙 ''safe''에 따라 지원되는 유형으로 안전하게 강제 변환될 수 없습니다.
목표 Log Loss Multiclass를 채점하는 동안 PipelineBase.score의 오류: ufunc 'isnan'은 입력 유형에 대해 지원되지 않으며 입력은 캐스팅 규칙 ''safe''에 따라 지원되는 유형으로 안전하게 강제 변환될 수 없습니다.
목표 Log Loss Multiclass를 채점하는 동안 PipelineBase.score의 오류: ufunc 'isnan'은 입력 유형에 대해 지원되지 않으며 입력은 캐스팅 규칙 ''safe''에 따라 지원되는 유형으로 안전하게 강제 변환될 수 없습니다.
교차 검증 완료 - 평균 로그 손실 멀티클래스: nan

00:02 이후 검색 완료
최고의 파이프라인: 모드 기준선 다중 클래스 분류 파이프라인
최고의 파이프라인 로그 손실 다중 클래스: nan
ToolId 3: AutoML 도구 완료
14.397초 만에 완료

pandas 데이터 유형은 두 환경 모두에서 동일합니다.

sepal.length float64
sepal.width float64
꽃잎.길이 float64
꽃잎 폭 float64
클래스 객체
dtype: 객체

Jupyter 노트북은 Python 3.7.3을 사용하고 도구는 3.6.8입니다.