#初心者です！！PythonでのLightgbmのエラー

Question

ヘディングのテキスト### Pythonでlightgbmを実装しております。

卒研です。
Pythonでlightgbmを実装しております。以前はできていたのですが、新たに説明変数を加えたところこのようなエラーが起きてしまいました。

発生している問題・エラーメッセージ

[LightGBM] [Warning] No further splits with positive gain, best gain: -inf
ValueError                                Traceback (most recent call last)
C:\ANACON~1\bin/ipykernel_7516/1347277234.py in <module>
     21 
     22     y_pred = model_lgb.predict(X_valid, num_iteration=model_lgb.best_iteration)
---> 23     tmp_rmse = np.sqrt(mean_squared_error(np.log(y_valid),np.log(y_pred)))
     24 
     25     print(tmp_rmse)

C:\anaconda3\lib\site-packages\sklearn\utils\validation.py in inner_f(*args, **kwargs)
     61             extra_args = len(args) - len(all_args)
     62             if extra_args <= 0:
---> 63                 return f(*args, **kwargs)
     64 
     65             # extra_args > 0

C:\anaconda3\lib\site-packages\sklearn\metrics\_regression.py in mean_squared_error(y_true, y_pred, sample_weight, multioutput, squared)
    333     0.825...
    334     """
--> 335     y_type, y_true, y_pred, multioutput = _check_reg_targets(
    336         y_true, y_pred, multioutput)
    337     check_consistent_length(y_true, y_pred, sample_weight)

C:\anaconda3\lib\site-packages\sklearn\metrics\_regression.py in _check_reg_targets(y_true, y_pred, multioutput, dtype)
     87     """
     88     check_consistent_length(y_true, y_pred)
---> 89     y_true = check_array(y_true, ensure_2d=False, dtype=dtype)
     90     y_pred = check_array(y_pred, ensure_2d=False, dtype=dtype)
     91 

C:\anaconda3\lib\site-packages\sklearn\utils\validation.py in inner_f(*args, **kwargs)
     61             extra_args = len(args) - len(all_args)
     62             if extra_args <= 0:
---> 63                 return f(*args, **kwargs)
     64 
     65             # extra_args > 0

C:\anaconda3\lib\site-packages\sklearn\utils\validation.py in check_array(array, accept_sparse, accept_large_sparse, dtype, order, copy, force_all_finite, ensure_2d, allow_nd, ensure_min_samples, ensure_min_features, estimator)
    718 
    719         if force_all_finite:
--> 720             _assert_all_finite(array,
    721                                allow_nan=force_all_finite == 'allow-nan')
    722 

C:\anaconda3\lib\site-packages\sklearn\utils\validation.py in _assert_all_finite(X, allow_nan, msg_dtype)
    101                 not allow_nan and not np.isfinite(X).all()):
    102             type_err = 'infinity' if allow_nan else 'NaN, infinity'
--> 103             raise ValueError(
    104                     msg_err.format
    105                     (type_err,

ValueError: Input contains NaN, infinity or a value too large for dtype('float64').

該当のソースコード

all_df = pd.concat([train_df,test_df],sort=False).reset_index(drop=True)
train_df_le = all_df[~all_df["rank"].isnull()]
test_df_le = all_df[all_df["rank"].isnull()]

import lightgbm as lgb
from sklearn.model_selection import KFold
folds = 3
kf = KFold(n_splits=folds)

lgbm_params = {"objective":"regression","random_seed":1234,'min_child_samples':10}

train_X = train_df_le.drop(["rank","駅名"],axis=1)
train_Y = train_df_le["rank"]

from sklearn.metrics import mean_squared_error

models = []
rmses = []
oof = np.zeros(len(train_X))

for train_index, val_index in kf.split(train_X):
    X_train = train_X.iloc[train_index]
    X_valid = train_X.iloc[val_index]
    y_train = train_Y.iloc[train_index]
    y_valid = train_Y.iloc[val_index]

    lgb_train = lgb.Dataset(X_train, y_train)
    lgb_eval = lgb.Dataset(X_valid, y_valid, reference=lgb_train)

    model_lgb = lgb.train(lgbm_params,
                          lgb_train,
                          valid_sets=lgb_eval,
                          num_boost_round=100,
                          early_stopping_rounds=100,
                          verbose_eval=10,
                          )

    y_pred = model_lgb.predict(X_valid, num_iteration=model_lgb.best_iteration)
    tmp_rmse = np.sqrt(mean_squared_error(np.log(y_valid),np.log(y_pred)))

    print(tmp_rmse)

    models.append(model_lgb)
    rmses.append(tmp_rmse)
    oof[val_index] = y_pred

試したこと

元データでは欠損値や全角入力はないことは確認致しました。

初学者です、、、どうかよろしくお願いします。

Comments

[aokikenichi]

追加した説明変数に異常値があるとしか思えないのですが、それを見ないとなんとも。
Excel等で眺めてみる
describeでようやく統計量を見てみる
ヒストグラム等を描いてみる
データの型を見てみる
ソートして冒頭と末尾を確認してみる
でしょうか。

[Pythonzakozako]

新しく足した説明変数aは欠損値が多く欠損値の部分を平均の値で補いました。
仮にその説明変数が問題の場合どのような値をが異常値になり得るのでしょうか、、、

[aokikenichi]

データを見ないと何とも言えません。自分が正常と思っても見落としはあるものです。私は何度もあります。
どんな値が異常値かはPythonがエラーを出しているから異常値ですつまり

ValueError: Input contains NaN, infinity or a value too large for dtype('float64').
が異常値です。

[Pythonzakozako]

print(train_df.isnull())
print(test_df.isnull())
これで見てもfalseになっています、、、

値は大きすぎたり小さすぎたりしてもこのようなエラーはでないのですよね、、？
ちなみにxgboostでは実行可能です。

[aokikenichi]

isnull, isnan でも結果が異なります エラーでの表示は NaN なのでisnanで調べた方が良いと思います
https://qiita.com/twaka/items/eb3ff958f87ca1f4c971