如果 glmnet 确实需要浮点数，为什么当我提供浮点数时 glmnet.py 会在 cvglmnet 上抛出 TypeError？

Question

我正在尝试使用 Glmnet 包在 Glmnet Vignette 之后使用 Python 的 Glmnet 包运行逻辑回归的 glm，但我的响应变量“y”的类型存在问题。 我想同时执行 glmnet 函数和 cvglmnet 函数。小插图说“对于二项式逻辑回归，响应变量 y 应该是具有两个水平的因子，或者是计数或比例的两列矩阵。”。 我从熊猫数据框的一列中得到了我的 y 值。同样，我的输入矩阵 x 来自熊猫数据框的几列。所以我的 y.values 是一个 numpy.ndarray 形状 (290,) 由 1 和 2 组成，所以是一个整数数组。

检查我的类型，如果我这样做：

isinstance(y.values,scipy.ndarray)
True
isinstance(y.values,np.ndarray)
True
isinstance(y.values,int)
False
type(y.values[1])
numpy.int64
isinstance(y.values, float)
False

如果我跑步

fit = glmnet(x = fold1_sp.copy(), y = y.values, family = 'binomial')

我收到一个错误

ValueError: y input must be a scipy float64 ndarray

我在https://github.com/bbalasub1/glmnet_python/issues/15 发现他们试图解决这个问题，提到任何搜索 scipy float 64 ndarrays 都会返回 numpy float ndarray 结果，因为它们基本上是相同的对象类型，所以我转换为 numpy float：

fit = glmnet(x = fold1_sp.copy(), y = np.float64(y.values), family = 'binomial')

它运行得很好。 但是这样我的 y 数组是由浮点数 1.'s 和 2.'s 组成的

如果我现在尝试使用 cvglmnet 函数，它会抱怨它需要一个整数

cvfit = cvglmnet(x = fold1_sp.copy(), y = np.float64(y.values), family = 'binomial', ptype = 'class')

抛出以下错误：

TypeError: 'numpy.float64' object cannot be interpreted as an integer

这至少对我来说很奇怪，因为它之前要求浮点数，如果我使用原始 y.values 作为整数使用我的 y，那么它再次抱怨它需要 scipy float64。

那么我该如何克服这个 TypeError 问题呢？

非常感谢

Answer 1

这行得通吗？

cvglmnet(x = fold1_sp.copy(), y = np.int64(y.values), family = 'binomial', ptype = 'class')