错误：找到暗淡 3 的数组。估计器预期 <= 2答案

【问题标题】：Error: Found array with dim 3. Estimator expected <= 2错误：找到暗淡 3 的数组。估计器预期 <= 2
【发布时间】：2016-04-24 07:43:23
【问题描述】：

我有一个名为 data 的 14x5 数据矩阵。第一列 (Y) 是因变量，后跟 4 个自变量 (X,S1,S2,S3)。尝试将回归模型拟合到自变量 ['S2'][:T] 的子集时，出现以下错误：

ValueError: Found array with dim 3. Estimator expected <= 2.

如果能提供任何有关修复的见解，我将不胜感激。代码如下。

import pandas as pd
import numpy as np
from sklearn.linear_model import LinearRegression


data = pd.read_csv('C:/path/Macro.csv')
T=len(data['X'])-1

#Fit variables
X = data['X'][:T]
S1 = data['S1'][:T]
S2 = data['S2'][:T]
S3 = data['S3'][:T]
Y = data['Y'][:T]

regressor = LinearRegression()
regressor.fit([[X,S1,S2,S3]], Y)

【问题讨论】：

this question 有什么帮助吗？
不幸的是它没有。
你想用T完成什么？

标签： python numpy pandas scikit-learn

【解决方案1】：

您将一个 3 维数组作为第一个参数传递给 fit()。 X、S1、S2、S3都是Series对象（一维），所以如下

[[X, S1, S2, S3]]

是 3 维的。 sklearn 估计器需要一个特征向量数组（二维）。

试试这样的：

# pandas indexing syntax
# data.ix[ row index/slice, column index/slice ]

X = data.ix[:T, 'X':]  # rows up to T, columns from X onward
y = data.ix[:T, 'Y']   # rows up to T, Y column
regressor = LinearRegression()
regressor.fit(X, y)

【讨论】：