régression linéaire graphlab terminée en raison de l'erreur de débordement numérique

Question

J'essaie de créer un modèle de régression linéaire en utilisant graphlab. J'ai 200 échantillons et 1 prédicteur. Mais je rencontrais « erreur de dépassement numérique », voici la sortie:

model_all = graphlab.linear_regression.create(data2.tail(200), target='output', features=['input'],validation_set=None,l2_penalty=0.0002,solver = 'auto') 
Linear regression: 
-------------------------------------------------------- 
Number of examples   : 200 
Number of features   : 1 
Number of unpacked features : 1 
Number of coefficients : 2 
Starting Newton Method 
-------------------------------------------------------- 
+-----------+----------+--------------+--------------------+---------------+ 
| Iteration | Passes | Elapsed Time | Training-max_error | Training-rmse | 
+-----------+----------+--------------+--------------------+---------------+ 
+-----------+----------+--------------+--------------------+---------------+ 
TERMINATED: Terminated due to numerical overflow error. 
This model may not be ideal. To improve it, consider doing one of the following: 
(a) Increasing the regularization. 
(b) Standardizing the input data. 
(c) Removing highly correlated features. 
(d) Removing `inf` and `NaN` values in the training data 

indice (b), (c) et (d) ne pas appliquer à mon cas car il y a seulement 1 fonction et il n'y a pas inf ou des valeurs NaN. J'ai essayé divers l2_penalty mais tout ne sert à rien. Si je limite le nombre d'échantillons à un plus petit nombre tel que 180, cela fonctionnera.

model_all = graphlab.linear_regression.create(data2.tail(180), target='output', features=['input'],validation_set=None,l2_penalty=0.0002,solver = 'auto') 
model_all.get("coefficients").print_rows(num_rows=100) 
Linear regression: 
-------------------------------------------------------- 
Number of examples   : 180 
Number of features   : 1 
Number of unpacked features : 1 
Number of coefficients : 2 
Starting Newton Method 
-------------------------------------------------------- 
+-----------+----------+--------------+--------------------+---------------+ 
| Iteration | Passes | Elapsed Time | Training-max_error | Training-rmse | 
+-----------+----------+--------------+--------------------+---------------+ 
| 1   | 2  | 0.000866  | 9.873043   | 4.272624  | 
+-----------+----------+--------------+--------------------+---------------+ 
SUCCESS: Optimal solution found. 
+----------------+-------+------------------+-------------------+ 
|  name  | index |  value  |  stderr  | 
+----------------+-------+------------------+-------------------+ 
| (intercept) | None | 9.3412783539 | 3.80166353756 | 
| DOEDDIST.Index | None | 0.00226165438702 | 0.000975084975224 | 
+----------------+-------+------------------+-------------------+ 
[2 rows x 4 columns] 

Je ne comprends pas ce qui cause l'erreur de débordement numérique. Quelqu'un peut-il aider à expliquer?

Merci.

Answer 1

J'ai doublé vérifié mes données et il y a en effet une entrée NaN. Ma faute. data.dropna(axis = 'index',how = 'any',inplace=True) le résout.