double scalarsの対処法が分からない

前提・実現したいこと

SVMのアルゴリズムをsklearnを用いずに実装したい。

発生している問題・エラーメッセージ

RuntimeWarning: invalid value encountered in double_scalars
  self.w0_ = (y[ind] - np.dot(X[ind, :], self.w_)).sum() / ind.sum()

＊追加

File "C:\Users\anaconda3\svm_hard.py", line 56, in fit
    self.w_ = ((a[ind] * y[ind]).reshape(-1, 1) * X[ind, :]).sum(axis = 0)

IndexError: arrays used as indices must be of integer (or boolean) type

該当のソースコード

Python
1import numpy as np
2from operator import itemgetter
3
4class SVC:
5    
6    def fit(self, X, y, selections = None):
7        a = np.zeros(X.shape[0])
8        ay = 0
9        ayx = np.zeros(X.shape[1])
10        yx = y.reshape(-1, 1) * X
11        indices = np.arange(X.shape[0])
12        
13        while True:
14            ydf = y * (1 - np.dot(yx, ayx.T))
15            iydf = np.c_[indices, ydf]
16            i = int(min(iydf[(y < 0) | (a > 0)], 
17                        key = itemgetter(1))[0])
18            j = int(max(iydf[(y < 0) | (a > 0)], 
19                        key = itemgetter(1))[0])
20            
21            if ydf[i] >= ydf[j]:
22                break
23            
24            ay2 = ay - y[i] * a[i] - y[j] * a[j]
25            ayx2 = ayx - y[i] * a[i] * X[i, :] - y[j] * a[j] * X[j, :]
26            ai = ((1 - y[i] * y[j] + y[i] * np.dot(X[i, :] - X[j, :], X[j, :] * ay2 - ayx2)) 
27                  / ((X[i] - X[j])**2).sum())
28            
29            if ai < 0:
30                ai = 0
31                aj = (-ai * y[i] - ay2) * y[j]
32                
33            if aj < 0:
34                aj = 0
35                ai = (-aj * y[j] - ay2) * y[i]
36                
37            ay += y[i] * (ai - a[i]) + y[j] * (aj - a[j])
38            ayx += y[i] * (ai - a[i]) * X[i, :] + y[j] * (aj - a[j]) * X[j, :]
39            
40            if ai == a[i]:
41                break
42            
43            a[i] = ai
44            a[j] = aj
45            
46        self.a_ = a
47        ind = a != 0.
48        self.w_ = ((a[ind] * y[ind]).reshape(-1, 1) * X[ind, :]).sum(axis = 0)
49        self.w0_ = (y[ind] - np.dot(X[ind, :], self.w_)).sum() / ind.sum()
50        
51    def predict(self, X):
52        return np.sign(self.w0_ + np.dot(X, self.w_))

Python
1import numpy as np
2import matplotlib.pyplot as plt
3import svm_hard
4
5plt.axes().set_aspect("equal")
6np.random.seed(0)
7X0 = np.random.randn(20, 2)
8X1 = np.random.randn(20, 2) + np.array([5, 5])
9y = np.array([1] * 20 + [-1] * 20)
10
11X = np.r_[X0, X1]
12model = svm_hard.SVC()
13model.fit(X, y)
14
15plt.scatter(X0[:, 0], X0[:, 1], color = "k", marker = "+")
16plt.scatter(X1[:, 0], X1[:, 1], color = "k", marker = "*")
17
18def f(model, x):
19    return (-model.w0_ - model.w_[0] * x) / model.w_[1]
20
21x1 = -0.2
22x2 = 6
23
24plt.plot([x1, x2], [f(model, x1), f(model, x2)], color = "k")
25plt.scatter(X[model.a_ != 0, 0], X[model.a_ != 0, 1], 
26            s = 200, color = (0, 0, 0, 0), edgecolor = "k", marker = "o")
27
28plt.show()

試したこと

1つ目のコード単体ではエラーは発生しなかったのですが、2つ目のコード上で呼び出して使おうとするとエラーが発生します。

SVMを用いた分類アルゴリズムを書こうとしていますが、境界線をうまく表示させることができません。
![
＊追加
おそらくこの文がうまくできていないようです。
ind = a != 0. としているのですが、うまく動作しません。