scikit learn 线性回归的数据维度

Question

我刚开始使用 Python scikit-learn 包进行线性回归。我对它所需的数据集维度感到困惑。例如，我想使用以下代码在 Y 上回归 X

from sklearn import linear_model
x=[0,1,2]
y=[0,1,2]
regr = linear_model.LinearRegression()
regr.fit (x,y)
print('Coefficients: \n', regr.coef_)

系统返回错误：元组索引超出范围。 根据 scikit-learn 网站，有效的数组应该是这样的

x=[[0,0],[1,1],[2,2]]
y=[0,1,2]

(http://scikit-learn.org/stable/modules/linear_model.html#ordinary-least-squares)

from sklearn import linear_model
x=[[0,0],[1,1],[2,2]]
y=[0,1,2]
regr = linear_model.LinearRegression()
regr.fit (x,y)
print('Coefficients: \n', regr.coef_)

所以这意味着对于两个单个数字，包不能在 Y[i] 上回归 X[i]？它必须是一个数字上的数组？喜欢[0,0] in X to 0in Y?

提前致谢。

Answer 1

Scikit 要求您的 x 是一个二维数组。它不必是一个 numpy 数组。你总是可以使用一个简单的 python 列表。

如果您将 x 作为一维数组，就像您在问题中提到的那样，您可以简单地执行以下操作：

x = [[value] for value in [0,1,2]]

这会将一维数组的二维数组存储在 x 中，即列表的每个单独值都存储为一个数组。

Answer 2

你可以。 只需将您的数据重塑为x = [[0], [1], [2]]。

在这种情况下，数据中的每个点都将具有一个特征 - 单个数字。