Question

我有一项工作要使用最小冗余最大相关性算法。代码如下。

import numpy as np
import pandas as pd
from skfeature.function import information_theoretical_based

dataset=pd.read_csv("cancer.csv")
data=pd.DataFrame(dataset)
X= data.iloc[:,:1].values
y=data.iloc[:,1:].values

information_theoretical_based.MRMR.mrmr(X,y)

程序给我错误“ TypeError：不可哈希类型：'numpy.ndarray'”：

TypeError跟踪（最近的呼叫   最后）在（）   ----> 1 information_theoretical_based.MRMR.mrmr（X，y）

/usr/local/lib/python3.6/dist-packages/skfeature/function/information_theoretical_based/MRMR.py   以mrmr（X，y，** kwargs）为单位        33 F，J_CMI，MIfy = LCSI.lcsi（X，y，gamma = 0，function_name ='MRMR'，n_selected_features = n_selected_features）        其他34个：   ---> 35 F，J_CMI，MIfy = LCSI.lcsi（X，y，gamma = 0，function_name ='MRMR'）        36 return F，J_CMI，MIfy

/usr/local/lib/python3.6/dist-packages/skfeature/function/information_theoretical_based/LCSI.py   在lcsi（X，y，** kwargs）中        对于范围内的我65（n_features）：        66 f = X [:, i]   ---> 67 t1 [i] = midd（f，y）        68        69＃确保j_cmi一开始就为正

/usr/local/lib/python3.6/dist-packages/skfeature/utility/entropy_estimators.py   在midd（x，y）       101“”“       102   -> 103 return -entropyd（list（zip（x（y，y）））+ entropyd（x）+ entropyd（y）       104       105

/usr/local/lib/python3.6/dist-packages/skfeature/utility/entropy_estimators.py   以entropyd（sx，base）为单位        93“”“        94   ---> 95从probs（hist（sx），base = base）返回熵        96        97

/usr/local/lib/python3.6/dist-packages/skfeature/utility/entropy_estimators.py   在hist（sx）中       116天= dict（）       s中s的117：   -> 118 d [s] = d.get（s，0）+ 1       119返回映射图（lambda z：float（z）/ len（sx），d.values（））       120

TypeError：不可哈希类型：'numpy.ndarray'

Answer 1

您的X小于您的y。

也许将其更改为：

X = data.iloc[:,1:].values

y = data.iloc[:,:1].values

功能选择类型错误：无法散列的类型：'numpy.ndarray'

1 个答案: