Dies ist ein Scikit-Learn Fehler, die ich bekomme, wenn ichValueerror: Ein Wert in x_new unter dem Interpolationsverfahren Bereich
my_estimator = LassoLarsCV(fit_intercept=False, normalize=False, positive=True, max_n_alphas=1e5)
Hinweis zu tun, wenn ich max_n_alphas von 1e5 bis 1e4 verringere ich das nicht Fehler mehr.
Jeder hat eine Idee was passiert?
Der Fehler tritt auf, wenn I
my_estimator.fit(x, y)
nennen I 40k
Datenpunkte in 40
Abmessungen haben.
Der vollständige Stack-Trace sieht wie folgt aus
File "/usr/lib64/python2.7/site-packages/sklearn/linear_model/least_angle.py", line 1113, in fit
axis=0)(all_alphas)
File "/usr/lib64/python2.7/site-packages/scipy/interpolate/polyint.py", line 79, in __call__
y = self._evaluate(x)
File "/usr/lib64/python2.7/site-packages/scipy/interpolate/interpolate.py", line 498, in _evaluate
out_of_bounds = self._check_bounds(x_new)
File "/usr/lib64/python2.7/site-packages/scipy/interpolate/interpolate.py", line 525, in _check_bounds
raise ValueError("A value in x_new is below the interpolation "
ValueError: A value in x_new is below the interpolation range.
Wenn ich 'von sklearn.linear_model importieren LassoLarsCV importieren, gefolgt von Ihrer Codezeile Ich bekomme keinen Fehler. Bitte stellen Sie genügend Code zur Verfügung, um den Fehler, den Sie erhalten, sowie die vollständige Traceback-Nachricht zu reproduzieren. –
Der Fehler tritt nicht in dieser Zeile, aber wenn ich .fit() aufrufen. Leider ist mein Datensatz hier schwer zu reproduzieren und hat 40.000 Punkte. –
Die Interpolatoren in scipy erfordern oft, dass die x-Werte monoton ansteigen. Ist 'x' für Ihren Datensatz monoton steigend? Wenn dies nicht der Fall ist, versuchen Sie, das Dataset mit 'x' als Schlüssel zu sortieren und versuchen Sie es erneut. Wenn es funktioniert, lass es mich wissen, und ich werde eine angemessene Antwort für die Bounty hinzufügen :) –