'tuple' object has no attribute 'dot'が解決できません。

Question

コード

import numpy as np
import matplotlib.pyplot as plt

class RBFkernel:
    def __init__(self,*param):
        self.param = list(param)

    def __call__(self,x1,x2):
        a,s,w = self.param
        return a**2*np.exp(-((x1-x2)/s)**2) + w*(x1==x2)

x0 = (0,5,10,20,25,33,50)
y0 = (156,152,148,135,156,145,158)
x1 = np.linspace(0,50,201)

kernel = RBFkernel(10,5,3) # 適当なパラメータを使うカーネル関数

k00 = kernel(*np.meshgrid(x0,x0))
k00_1 = np.linalg.inv(k00) # 逆行列
k01 = kernel(*np.meshgrid(x0,x1,indexing='ij'))
k10 = k01.T
k11 = kernel(*np.meshgrid(x1,x1))


mu = k10.dot(k00_1.dot(y0))
sigma = k11 - k10.dot(k00_1.dot(k01))

plt.scatter(x0,y0,c='#ff77aa')
plt.plot(x1,mu,'g') # 推測された平均
std = np.sqrt(sigma.diagonal()) # 各点の標準偏差は共分散行列の対角成分
plt.fill_between(x1,mu-std,mu+std,alpha=0.2,color='g') # 推測された標準偏差の中の領域
plt.show()

class Kernel:
    def __init__(self,param,bound=None):
        self.param = np.array(param)
        if(bound==None):
            bound = np.zeros([len(param),2])
            bound[:,1] = np.inf
        self.bound = np.array(bound)

    def __call__(self,x1,x2):
        a,s,w = self.param
        return a**2*np.exp(-0.5*((x1-x2)/s)**2) + w**2*(x1==x2)

class Gausskatei:
    def __init__(self,kernel):
        self.kernel = kernel

    def gakushuu(self,x0,y0): # パラメータを調整せず学習
        self.x0 = x0
        self.y0 = y0
        self.k00 = self.kernel(*np.meshgrid(x0,x0))
        self.k00_1 = np.linalg.inv(self.k00)

    def yosoku(self,x): # xからyを予測
        k00_1 = self.k00_1
        k01 = self.kernel(*np.meshgrid(self.x0,x,indexing='ij'))
        k10 = k01.T
        k11 = self.kernel(*np.meshgrid(x,x))
        mu = k10.dot(k00_1.dot(self.y0))
        sigma = k11 - k10.dot(k00_1.dot(k01))
        std = np.sqrt(sigma.diagonal())
        return mu,std

    def logyuudo(self,param=None): # 対数尤度
        if(param is None):
            k00 = self.k00
            k00_1 = self.k00_1
        else:
            self.kernel.param = param
            k00 = self.kernel(*np.meshgrid(self.x0,self.x0))
            k00_1 = np.linalg.inv(k00)
        return -(np.linalg.slogdet(k00)[1]+self.y0.dot(k00_1.dot(self.y0)))

    def saitekika(self,x0,y0,kurikaeshi=1000): # パラメータを調整して学習
        self.x0 = x0
        self.y0 = y0
        param = self.kernel.param
        logbound = np.log(self.kernel.bound)
        s = (logbound[:,1]-logbound[:,0])/10.
        n_param = len(param)
        theta0 = np.log(param)
        p0 = self.logyuudo(param)
        lis_theta = []
        lis_p = []
        for i in range(kurikaeshi):
            idou = np.random.normal(0,s,n_param)
            hazure = (theta0+idou<logbound[:,0])|(theta0+idou>logbound[:,1])
            while(np.any(hazure)):
                idou[hazure] = np.random.normal(0,s,n_param)[hazure]
                hazure = (theta0+idou<logbound[:,0])|(theta0+idou>logbound[:,1])
            theta1 = theta0 + idou
            param = np.exp(theta1)
            p1 = self.logyuudo(param)
            r = np.exp(p1-p0)
            if(r>=1 or r>np.random.random()):
                theta0 = theta1
                p0 = p1
                lis_theta.append(theta0)
                lis_p.append(p0)
        self.ar_theta = np.array(lis_theta)
        self.ar_p = np.array(lis_p)
        self.kernel.param = np.exp(lis_theta[np.argmax(lis_p)])
        self.k00 = self.kernel(*np.meshgrid(x0,x0))
        self.k00_1 = np.linalg.inv(self.k00)


n = 7 # 既知の点の数
x0 = (0,5,10,20,25,33,50) # 既知の点
y0 = (156,152,148,135,156,145,158)
param0 = [10,5,1] # パラメータの初期値
bound = [[1e-2,1e2],[1e-2,1e2],[1e-2,1e2]] # 下限上限
kernel = Kernel(param0,bound)
x1 = np.linspace(0,50,200)
gp = Gausskatei(kernel)
gp.gakushuu(x0,y0) # パラメータを調整せずに学習
plt.figure(figsize=[5,8])
for i in [0,1]:
    if(i):
        gp.saitekika(x0,y0,1000) # パラメータを調整する
    plt.subplot(211+i)
    plt.plot(x0,y0,'. ')
    mu,std = gp.yosoku(x1)
    plt.plot(x1,mu,'g')
    plt.fill_between(x1,mu-std,mu+std,alpha=0.2,color='g')
    plt.title('a=%.3f, s=%.3f, w=%.3f'%tuple(gp.kernel.param))
plt.tight_layout()
plt.show()

コード

https://qiita.com/phyblas/items/d756803ec932ab621c56
こちらのサイトを参考にして、特定済みの２次元データからRBFカーネルのパラメータを予測したいです。
特定済みの値をそのままx0,y0に代入して実行したところ、エラーが出てしまいました。
### 発生している問題・エラーメッセージ
---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-63-3d592025a82f> in <module>()
     11 for i in [0,1]:
     12     if(i):
---> 13         gp.saitekika(x0,y0,1000) # パラメータを調整する
     14     plt.subplot(211+i)
     15     plt.plot(x0,y0,'. ')

1 frames
<ipython-input-62-54f0617fec3e> in saitekika(self, x0, y0, kurikaeshi)
     49         n_param = len(param)
     50         theta0 = np.log(param)
---> 51         p0 = self.logyuudo(param)
     52         lis_theta = []
     53         lis_p = []

<ipython-input-62-54f0617fec3e> in logyuudo(self, param)
     39             k00 = self.kernel(*np.meshgrid(self.x0,self.x0))
     40             k00_1 = np.linalg.inv(k00)
---> 41         return -(np.linalg.slogdet(k00)[1]+self.y0.dot(k00_1.dot(self.y0)))
     42 
     43     def saitekika(self,x0,y0,kurikaeshi=1000): # パラメータを調整して学習

AttributeError: 'tuple' object has no attribute 'dot'

### 該当のソースコード

n = 7 # 既知の点の数
x0 = (0,5,10,20,25,33,50) # 既知の点
y0 = (156,152,148,135,156,145,158)
param0 = [10,5,1] # パラメータの初期値
bound = [[1e-2,1e2],[1e-2,1e2],[1e-2,1e2]] # 下限上限
kernel = Kernel(param0,bound)
x1 = np.linspace(0,50,200)
gp = Gausskatei(kernel)
gp.gakushuu(x0,y0) # パラメータを調整せずに学習
plt.figure(figsize=[5,8])
for i in [0,1]:
    if(i):
        gp.saitekika(x0,y0,1000) # パラメータを調整する
    plt.subplot(211+i)
    plt.plot(x0,y0,'. ')
    mu,std = gp.yosoku(x1)
    plt.plot(x1,mu,'g')
    plt.fill_between(x1,mu-std,mu+std,alpha=0.2,color='g')
    plt.title('a=%.3f, s=%.3f, w=%.3f'%tuple(gp.kernel.param))
plt.tight_layout()
plt.show()

### 試したこと

turpleがdotに反応しないことはわかりましたが、どうすればよいか全くわからず、何も試せておりません。

### 補足情報（FW/ツールのバージョンなど）

ここにより詳細な情報を記載してください。

Comments

[y_waiwai]

このままではコードが読めないので、質問を編集し、<code>ボタンを押し、出てくる’’’の枠の中にコードを貼り付けてください
また、エラーメッセージはいらぬ翻訳省略しないで、そのままコピペで提示しましょう

[mizu103]

わかりました。ありがとうございます。修正します。

Answer 1

コード表示を編集してくださらないので分かる範囲で回答します。

引用元のサイトでは

y0 = y(x0) + np.random.normal(0,2,30) # 関数にノイズを加える

（中略）

mu = k10.dot(k00_1.dot(y0))

としているので dot に対し numpy.ndarray を渡してますが

質問者様のコードでは

y0 = (156,152,148,135,156,145,158)

（中略）

mu = k10.dot(k00_1.dot(self.y0))

としており、 dot に tuple を渡しているからですね。
数値計算の場合は特に必要がない限り numpy.ndarray でやり取りするのがよろしいです。

Comments

[mizu103]

不手際が多くわかりづらくて申し訳ありません。
お答えいただいた通りnumpy.ndarrayで試してみたところうまくいきました！
ありがとうございます。