使用片麻岩的 ols 玩具示例中的“矩阵未对齐”错误

Question

我正在尝试为成分数据构建一个简单的线性回归示例。我正在使用以下代码：

from pandas import DataFrame
import numpy as np
from skbio import TreeNode
from gneiss.regression import ols
from IPython.display import display

#define table of compositions
yTrain = DataFrame({'y1': [0.8, 0.3, 0.5], 'y2': [0.2, 0.7, 0.5]})

#define predictors for compositions
xTrain = DataFrame({'x1': [1,3,2]})

#Once these variables are defined, a regression can be performed. These proportions will be converted to balances according to the tree specified. And the regression formula is specified to run temp and ph against the proportions in a single model.
model = ols('x1', yTrain, xTrain)
model.fit()
xTest = DataFrame({'x1': [1,3]})
yTest = model.predict(xTest)
display(yTest)

我收到错误 matrices are not aligned。关于如何让它运行的任何想法？

Answer 1

您似乎在训练和测试阶段混淆了 x 和 y 矩阵。您的xTest 的结构可能与yTrain 相同。在您的代码中，xTest 看起来像 xTrain，这似乎对应于标签。

ML 中的一般约定是将x 用于输入，y 用于输出。在您的情况下，您在训练期间使用y 作为输入，使用x 作为标签，而在测试期间则相反。

例如，尝试将 xTest 设置为以下内容：

xTest = DataFrame({'y1': [0.1, 0.4, 0.6], 'y2': [0.4, 0.2, 0.8]})

这应该可以消除错误。理想情况下，您应该按照以下方式进行操作：

from pandas import DataFrame
import numpy as np
from skbio import TreeNode
from gneiss.regression import ols
from IPython.display import display

#define table of compositions
xTrain = DataFrame({'x1': [0.8, 0.3, 0.5], 'x2': [0.2, 0.7, 0.5]})

#define predictors for compositions
yTrain = DataFrame({'y1': [1,3,2]})

model = ols('y1', xTrain, yTrain)
model.fit()
xTest = DataFrame({'x1': [0.1, 0.4, 0.6], 'x2': [0.4, 0.2, 0.8]})
yTest = model.predict(xTest)
display(yTest)