質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

新規登録して質問してみよう
ただいま回答率
85.50%
深層学習

深層学習は、多数のレイヤのニューラルネットワークによる機械学習手法。人工知能研究の一つでディープラーニングとも呼ばれています。コンピューター自体がデータの潜在的な特徴を汲み取り、効率的で的確な判断を実現することができます。

機械学習

機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

Q&A

解決済

1回答

948閲覧

TypeErrorを解消したい

Hirasawa_Yui_3

総合スコア3

深層学習

深層学習は、多数のレイヤのニューラルネットワークによる機械学習手法。人工知能研究の一つでディープラーニングとも呼ばれています。コンピューター自体がデータの潜在的な特徴を汲み取り、効率的で的確な判断を実現することができます。

機械学習

機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

0グッド

0クリップ

投稿2020/04/24 16:34

前提・実現したいこと

「Python 機械学習プログラミング 達人データサイエンティストによる理論と実践」という本に沿って、アヤメのデータの決定境界が検出されたかチェックするためのグラフをプロットしたい.

発生している問題・エラーメッセージ

Traceback (most recent call last): File "PythonDeML.py", line 54, in <module> ppn.fit(X, y) File "PythonDeML.py", line 18, in fit update = float(self.eta) * (float(target) - float(self.predict(xi))) File "PythonDeML.py", line 29, in predict return np.where(self.net_input(X) >= 0.0, 1, -1) File "PythonDeML.py", line 26, in net_input return np.dot(X, self.w_[1:]) + self.w_[0] TypeError: can't multiply sequence by non-int of type 'float'

該当のソースコード

Python3

1import numpy as np 2import pandas as pd 3import matplotlib.pyplot as plt 4class Perceptron(object): 5 def __init__(self, eta=0.01, n_iter=50, random_state=1): 6 self.eta = eta 7 self.n_iter = n_iter 8 self.random_state = random_state 9 10 def fit(self, X, y): 11 rgen = np.random.RandomState(self.random_state) 12 self.w_ = rgen.normal(loc=0.0, scale=0.01, size=1 + X.shape[1]) 13 self.errors_ = [] 14 15 for _ in range(self.n_iter): 16 errors = 0 17 for xi, target in zip(X, y): 18 update = float(self.eta) * (float(target) - float(self.predict(xi))) 19 self.w_[1:] += update * xi 20 self.w_[0] += update 21 errors += int(update != 0.0) 22 self.errors_.append(errors) 23 return self 24 25 def net_input(self, X): 26 return np.dot(X, self.w_[1:]) + self.w_[0] 27 28 def predict(self, X): 29 return np.where(self.net_input(X) >= 0.0, 1, -1) 30 31df = pd.read_csv('https://raw.githubusercontent.com/pandas-dev/pandas/master/pandas/tests/data/iris.csv', header=None) 32df.tail() 33# 1~100行目の目的変数の抽出 34y = df.iloc[0:100, 4].values 35# Iris-setosa を-1, Iris-virginica を1に変更 36y = np.where(y == 'Iris-setosa', -1, 1) 37# 1-100行目の1, 3列目の抽出 38X = df.iloc[0:100, [0, 2]].values 39# 品種setosaのplot (赤丸) 40plt.scatter(X[:50, 0], X[:50, 1], color='red', marker='o', label='setosa') 41# 品種versicolorのplot (青罰) 42plt.scatter(X[50:100, 0], X[50:100,1], color='blue', marker='x', label='versicolor') 43# 軸ラベルの設定 44plt.xlabel('sepal length [cm]') 45plt.ylabel('petal length [cm]') 46# 凡例の設定 47plt.legend(loc='upper left') 48# 図の表示 49plt.show() 50 51# パーセプトロンのオブジェクトの作成 52ppn = Perceptron(eta=0.1, n_iter=10) 53# トレーニングデータへのモデルの適合 54ppn.fit(X, y) 55# epoch とご分類誤差の関係の折れ線グラフをplot 56plt.plot(range(1, len(ppn.errors_) + 1), ppn.errors_, marker='o') 57# 軸のラベルの設定 58plt.xlabel('Epochs') 59plt.ylabel('Number of update') 60plt.show()

試したこと

写し間違いがないかどうかの確認

気になる質問をクリップする

クリップした質問は、後からいつでもMYページで確認できます。

またクリップした質問に回答があった際、通知やメールを受け取ることができます。

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

guest

回答1

0

ベストアンサー

Xを見てみるとわかりますが、文字列型の配列になっています。ヘッダが最初の行として扱われているのが原因で、header=Noneをやめれば自動的にヘッダが適切に処理されて数値型配列になり、エラーが解消します。

投稿2020/04/24 17:39

hayataka2049

総合スコア30933

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

Hirasawa_Yui_3

2020/04/24 18:58

解決しました!ありがとうございます!
guest

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

15分調べてもわからないことは
teratailで質問しよう!

ただいまの回答率
85.50%

質問をまとめることで
思考を整理して素早く解決

テンプレート機能で
簡単に質問をまとめる

質問する

関連した質問