由于“重塑”问题，无法在 scikit-Learn 中进行线性回归答案

【问题标题】：Can't do linear regression in scikit-Learn due to "reshaping" issue由于“重塑”问题，无法在 scikit-Learn 中进行线性回归
【发布时间】：2018-05-25 11:55:02
【问题描述】：

我有一个包含两列的简单 CSV：

ErrorWeek（一年中的周数）
ErrorCount（给定一周内的错误数）

我将 CSV 数据读入 pandas 数据框，如下所示：

df = pd.read_csv("Errors.csv", sep=",")

df.head() 显示：

   ErrorWeek  ErrorCount
0          1          80
1          2         118
2          3         249
3          4         397
4          5         159

到目前为止一切顺利。

然后，我创建一个测试/训练拆分，如下所示：

X_train, X_test, y_train, y_test = train_test_split(
    df['ErrorWeek'], df['ErrorCount'], random_state=0)

目前没有错误。

但是，我随后创建了一个线性回归对象并尝试拟合数据。

# Create linear regression object
regr = linear_model.LinearRegression()

# Train the model using the training sets
regr.fit(X_train, y_train)

这里我确实收到错误：“使用 array.reshape(-1, 1) 重塑您的数据”

--

查看 X_Test 和 y_Test 的形状，我得到了看起来像两个一维“数组”的东西：

X_train shape: (36,)
y_train shape: (36,)

--

我花了很多时间试图弄清楚这一点，但我是 Pandas、Python 和 scikit-learn 的新手。

我正在读取二维数据，但 Pandas 不这么看。

具体来说，我需要做什么？

谢谢，

【问题讨论】：

标签： pandas scikit-learn

【解决方案1】：

X_train.reshape(-1,1) 无法使用，因为它是一个系列，您需要使用 X_train = X_train.values.reshape(-1,1)

【讨论】：

【解决方案2】：

显然 sklearn 希望 x 成为 pandas.core.frame.DataFrame，因为它无法区分具有 n 个样本的单个特征或具有一个样本的 n 个特征。相反，y 可以是一列，即 pandas.core.series.Series。因此，在您的示例中，您应该将 x 转换为 pandas.core.frame.DataFrame。

正如@MaxU 已经指出的那样：

x=df[['ErrorWeek']]   # double brakets
y=df['ErrorCount']    # single brakets
X_train, X_test, y_train, y_test = train_test_split(x, y, random_state=0)

【讨论】：

【解决方案3】：

在做：

X_train, X_test, y_train, y_test = train_test_split(
         df['ErrorWeek'], df['ErrorCount'], random_state=0)

将生成一维的所有输出数组，因为您正在为 X 和 y 选择单列值。

现在，当您传递 [n,] 的一维数组时，Scikit-learn 无法确定您传递的是多列的一行数据，还是单列的多个数据样本。即 sklearn 可能无法仅根据 X 数据推断其 n_samples=n 和 n_features=1 还是其他方式（n_samples=1 和 n_features=n）。

因此它要求您将提供的一维数据重新整形为形状为 [n_samples, n_features] 的二维数据

现在有多种方法可以做到这一点。

你可以按照 scikit-learn 所说的去做：

X_train = X_train.reshape(-1,1) X_test = X_test.reshape(-1,1)

reshape第二位的1表示只有一列，-1表示自动检测这一列的行数。

按照@MaxU 和@Wen 在其他答案中的建议进行操作

【讨论】：

谢谢。这个 DID 工作的变体！ :) 我基本上为所有 X_train、y_train、y_test 做了 X_train = np.array(X_train).reshape(-1,1)。感谢您的回答。
@Morkus 你不需要重塑y_train 和y_test。它们应该只是一维数组。
如果我注释掉这两行，我得到：“ValueError: Expected 2D array, got 1D array instead:” 不知道为什么，但错误发生在 predict 方法调用上。谢谢。
@Morkus y_train 和 y_test 不会发送到 predict() 方法。请更新方法中的代码和错误。 X_train 和 X_test 需要重塑，但 y_train 和 y_test 不需要重塑

【解决方案4】：

试试这个：

X_train, X_test, y_train, y_test = train_test_split(
    df[['ErrorWeek']], df['ErrorCount'], random_state=0)

PS 注意额外的方括号：df[['ErrorWeek']]

【讨论】：

感谢您的回复。我对双方括号及其含义有点困惑，但这也不起作用。

【解决方案5】：

更改您的 fit 部分

regr.fit(X_train[:,None], y_train)

【讨论】：

谢谢，但这不起作用。当你有类似 [:, None] 的东西时，冒号是什么意思？
@Morkus 它只是将数组转换为 ndarray