通过预测从 sklearn 预测 1 个值答案

【问题标题】：predicting 1 value by predict from sklearn通过预测从 sklearn 预测 1 个值
【发布时间】：2020-07-14 23:10:58
【问题描述】：

我正在学习机器学习，在视频课程中，讲师展示了如何通过 sklearn 的预测函数预测 1 个值。他只是用一个浮点参数执行它，它工作正常。但是当我尝试做同样的事情时，我收到一个 ValueError：

>linear_regressor.predict(6.5)

ValueError: Expected 2D array, got scalar array instead:
array=6.5.
Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample.

我试图重塑它，但我得到了同样的错误：

lvl_of_interest =  np.array([6.5])
np.reshape(lvl_of_interest,(1,-1))
linear_regressor.predict(6.5)

请告诉我，库中的版本可能会有所变化（该课程已有几年历史了）。一个样本如何获得一个特征？

【问题讨论】：

标签： python machine-learning scikit-learn

【解决方案1】：

有两个问题：

您重塑了数组，但使用相同的浮点数调用 predict（而不是重塑后的数组，即 linear_regressor.predict(6.5) 而不是 linear_regressor.predict(lvl_of_interest)）

此外，应重新分配 np.reshape ：

lvl_of_interest =  np.array([6.5])
lvl_of_interest = np.reshape(lvl_of_interest,(1,-1))
linear_regressor.predict(lvl_of_interest)

或在 1 行中：linear_regressor.predict(np.array([6.5]).reshape(1,-1))

(nb : 如果您检查形状，则将 (1,) 数组转换为 (1,1))

【讨论】：

非常感谢！首先是愚蠢的问题。出于某种原因，我认为 reshape 会改变数组本身，并且不会返回结果。
没有愚蠢的问题；) 就地重塑有点棘手，您必须直接修改形状属性：level_of_interest.shape = (1,1) btw，如果它解决了您的问题，您可以将其标记为“已接受的答案”:)

【解决方案2】：

LinearRegression().predict() 期望为X 的二维特征数组。

您可以使用.reshape(1, -1) 将数组设为二维，就像错误消息所建议的那样，或者从一开始就将其设为二维：

linear_regressor.predict(np.array([[6.5]]))

【讨论】：

显然甚至不需要np.array()：linear_regressor.predict([[6.5]]) 也可以正常工作。
是的，预测将 array_like 作为输入（不仅仅是 np.array）。请参阅stackoverflow.com/questions/40378427/… 和 sklearn 文档