Evalml: Не удается запустить AutoML на наборе данных Iris

Запуск evalml 0.11.2. Похоже, что из AutoMLSearch была удалена возможность устанавливать для проверки данных значение False, что ранее позволяло решить эту проблему.

TypeError Traceback (последний вызов последним)
в
1 automl = AutoMLSearch (objective = "log_loss_multi", max_pipelines = 5, problem_type = "multiclass")
2
----> 3 авт. Поиск (X, y)

~ .conda \ envs \ evalml_test_1.0 \ lib \ site-packages \ evalml \ automl \ automl_search.py ​​в поиске (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
320, если len (data_check_results)> 0:

~ .conda \ envs \ evalml_test_1.0 \ lib \ site-packages \ evalml \ data_checks \ data_checks.py в validate (self, X, y)
33 сообщения = []
34 для data_check в self.data_checks:
---> 35 messages_new = data_check.validate (X, y)
36 messages.extend (messages_new)
37 ответных сообщений

~ .conda \ envs \ evalml_test_1.0 \ lib \ site-packages \ evalml \ data_checks \ label_leakage_data_check.py в validate (self, X, y)
53, если len (X.columns) == 0:
54 возврат []
---> 55 corrs = {label: abs (y.corr (col)) для метки, col в X.iteritems (), если abs (y.corr (col))> = self.pct_corr_threshold}
56
57 high_corr_cols = {ключ: значение для ключа, значение в corrs.items (), если значение> = self.pct_corr_threshold}

~ .conda \ envs \ evalml_test_1.0 \ lib \ site-packages \ evalml \ data_checks \ label_leakage_data_check.py в(.0)
53, если len (X.columns) == 0:
54 возврат []
---> 55 corrs = {label: abs (y.corr (col)) для метки, col в X.iteritems (), если abs (y.corr (col))> = self.pct_corr_threshold}
56
57 high_corr_cols = {ключ: значение для ключа, значение в corrs.items (), если значение> = self.pct_corr_threshold}

~ .conda \ envs \ evalml_test_1.0 \ lib \ site-packages \ pandas \ core \ series.py в corr (self, other, method, min_periods)
2252, если метод в ["pearson", "spearman", "kendall"] или вызываемый (метод):
2253 возврат 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 в _f ( args, * kwargs)
67 попыток:
68 с np.errstate (invalid = "ignore"):
---> 69 return f ( args, * kwargs)
70 кроме ValueError как e:
71 # мы хотим преобразовать массив объектов

~ .conda \ envs \ evalml_test_1.0 \ lib \ site-packages \ pandas \ core \ nanops.py в nancorr (a, b, method, min_periods)
1238
1239 f = get_corr_func (метод)
-> 1240 возврат f (a, b)
1241
1242

~ .conda \ envs \ evalml_test_1.0 \ lib \ site-packages \ pandas \ core \ nanops.py в _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> в corrcoef ( args, * kwargs)

~ .conda \ envs \ evalml_test_1.0 \ lib \ site-packages \ numpy \ lib \ function_base.py в corrcoef (x, y, rowvar, bias, ddof)
2524 warnings.warn ('bias и ddof не действуют и устарели',
2525 DeprecationWarning, stacklevel = 3)
-> 2526 c = cov (x, y, rowvar)
2527 попыток:
2528 d = диаг (c)

<__ array_function__ internals> в cov ( args, * kwargs)

~ .conda \ envs \ evalml_test_1.0 \ lib \ site-packages \ numpy \ lib \ function_base.py в cov (m, y, rowvar, bias, ddof, fweights, aweights)
2429 w * = вес
2430
-> 2431 в среднем, w_sum = среднее (X, ось = 1, веса = w, возвращено = True)
2432 w_sum = w_sum [0]
2433

<__ array_function__ internals> в среднем ( args, * kwargs)

~ .conda \ envs \ evalml_test_1.0 \ lib \ site-packages \ numpy \ lib \ function_base.py в среднем (a, ось, веса, возвращено)
391
392, если весов нет:
-> 393 avg = a.mean (ось)
394 scl = avg.dtype.type (a.size / avg.size)
Еще 395:

~ .conda \ envs \ evalml_test_1.0 \ lib \ site-packages \ numpy \ core_methods.py в _mean (a, axis, dtype, out, keepdims)
152, если isinstance (ret, mu.ndarray):
153 ret = um.true_divide (
-> 154 ret, rcount, out = ret, casting = 'unsafe', subok = False)
155, если is_float16_result и out равно None:
156 ret = arr.dtype.type (рет)

TypeError: неподдерживаемые типы операндов для /: 'str' и 'int'

При запуске он делает что-то немного другое - поиск выполняется вместо сбоя с трассировкой стека, но все оценки для всех конвейеров равны nan.

Оптимизация для мультикласса с потерей журнала.
Чем меньше балл, тем лучше.

Поиск до 4-х трубопроводов.
Допустимые семейства моделей: random_forest, xgboost, linear_model, catboost

(1/4) Режим Baseline MultiClass Classificati ... Прошедшее: 00 : 00
Запуск перекрестной проверки
Ошибка в PipelineBase.score при оценке цели Log Loss Multiclass: ufunc 'isnan' не поддерживается для входных типов, и входные данные не могут быть безопасно приведены к каким-либо поддерживаемым типам в соответствии с правилом приведения «безопасно»
Ошибка в PipelineBase.score при оценке цели Log Loss Multiclass: ufunc 'isnan' не поддерживается для входных типов, и входные данные не могут быть безопасно приведены к каким-либо поддерживаемым типам в соответствии с правилом приведения «безопасно»
Ошибка в PipelineBase.score при оценке цели Log Loss Multiclass: ufunc 'isnan' не поддерживается для входных типов, и входные данные не могут быть безопасно приведены к каким-либо поддерживаемым типам в соответствии с правилом приведения «безопасно»
Завершенная перекрестная проверка - среднее значение Log Loss Multiclass: nan
(2/4) CatBoost Classifier w / Simple Imputer Elapsed: 00:00
Запуск перекрестной проверки
Ошибка в PipelineBase.score при оценке цели Log Loss Multiclass: ufunc 'isnan' не поддерживается для входных типов, и входные данные не могут быть безопасно приведены к каким-либо поддерживаемым типам в соответствии с правилом приведения «безопасно»
Ошибка в PipelineBase.score при оценке цели Log Loss Multiclass: ufunc 'isnan' не поддерживается для входных типов, и входные данные не могут быть безопасно приведены к каким-либо поддерживаемым типам в соответствии с правилом приведения «безопасно»
Ошибка в PipelineBase.score при оценке цели Log Loss Multiclass: ufunc 'isnan' не поддерживается для входных типов, и входные данные не могут быть безопасно приведены к каким-либо поддерживаемым типам в соответствии с правилом приведения «безопасно»
Завершение перекрестной проверки - среднее значение Log Loss Multiclass: nan
(3/4) XGBoost Classifier w / Simple Imputer Elapsed: 00:02 (3)
Запуск перекрестной проверки
Ошибка в PipelineBase.score при оценке цели Log Loss Multiclass: ufunc 'isnan' не поддерживается для входных типов, и входные данные не могут быть безопасно приведены к каким-либо поддерживаемым типам в соответствии с правилом приведения «безопасно»
Ошибка в PipelineBase.score при оценке цели Log Loss Multiclass: ufunc 'isnan' не поддерживается для входных типов, и входные данные не могут быть безопасно приведены к каким-либо поддерживаемым типам в соответствии с правилом приведения «безопасно»
Ошибка в PipelineBase.score при оценке цели Log Loss Multiclass: ufunc 'isnan' не поддерживается для входных типов, и входные данные не могут быть безопасно приведены к каким-либо поддерживаемым типам в соответствии с правилом приведения «безопасно»
Завершение перекрестной проверки - среднее значение Log Loss Multiclass: nan
(4/4) Классификатор случайных лесов с простым Im ... Прошло : 00:02
Запуск перекрестной проверки
Ошибка в PipelineBase.score при оценке цели Log Loss Multiclass: ufunc 'isnan' не поддерживается для входных типов, и входные данные не могут быть безопасно приведены к каким-либо поддерживаемым типам в соответствии с правилом приведения «безопасно»
Ошибка в PipelineBase.score при оценке цели Log Loss Multiclass: ufunc 'isnan' не поддерживается для входных типов, и входные данные не могут быть безопасно приведены к каким-либо поддерживаемым типам в соответствии с правилом приведения «безопасно»
Ошибка в PipelineBase.score при оценке цели Log Loss Multiclass: ufunc 'isnan' не поддерживается для входных типов, и входные данные не могут быть безопасно приведены к каким-либо поддерживаемым типам в соответствии с правилом приведения «безопасно»
Завершенная перекрестная проверка - среднее значение Log Loss Multiclass: nan

Поиск завершен после 00:02
Лучший конвейер: Mode Baseline Multiclass Classification Pipeline
Лучший мультикласс логических потерь в конвейере: nan
ToolId 3: инструмент AutoML готов
Завершено за 14,397 секунды

Типы данных pandas одинаковы в обеих средах.

sepal.length float64
sepal.width float64
petal.length float64
petal.width float64
объект класса
dtype: объект

Блокнот Jupyter использует Python 3.7.3, а инструмент - 3.6.8.