如何修复我在 scikit-learn 中的线性回归中遇到的错误答案

【问题标题】：How fix the error that I got in linear regression in scikit-learn如何修复我在 scikit-learn 中的线性回归中遇到的错误
【发布时间】：2020-07-04 10:47:22
【问题描述】：

我是 Python 中线性回归概念的新手。我在 scikit-learn 中使用线性回归来找到 y 的预测值，这里称为 y_new。以下代码是我迄今为止编写的脚本：

import numpy as np 
#creating data for the run
x=spendings = np.linspace(0,5,4000)
y=sales = np.linspace(0,0.5,4000)
#defining the training function
def train(x,y):
    from sklearn.linear_model import LinearRegression
    model = LinearRegression().fit(x,y)
    return model 
model = train(x,y)
x_new = 23.0
y_new = model.predict([[x_new]])
print(y_new)

由于此错误消息，我无法获取 y_new 的值：

Expected 2D array, got 1D array instead:
array=[0.00000000e+00 1.25031258e-03 2.50062516e-03 ... 4.99749937e+00
 4.99874969e+00 5.00000000e+00].
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.

【问题讨论】：

请edit 包含完整的错误回溯，以查看导致错误的行；话虽如此，您是否按照错误消息的提示进行操作？ “如果您的数据具有单个特征，请使用 array.reshape(-1, 1)，如果包含单个样本，请使用 array.reshape(1, -1)”？
-@G.Anderson，错误与定义的函数“train”有关。完整的错误回溯给出了这个消息。我不得不从错误中删掉几句话以在此处适合此消息：----> 9 model = train(x,y) ----> 6 model = LinearRegression().fit(x,y) - -> 463 y_numeric=True, multi_output=True) --> 719 estimator=estimator) --> 521 "如果它包含单个样本。".format(array))
它告诉你问题：“预期的二维数组，得到一维数组”，它告诉你解决方案：array.reshape(-1, 1)，所以你有没有尝试将你的数据重塑成正确的形状，并且你的结果是什么？
_@G.Anderson，由于我是这个领域的新手，我不知道如何重塑数据，到目前为止我没有得到任何结果。
-@AMC，我不明白错误消息的内容，也不明白给定错误消息中建议的解决方案是什么。

标签： python scikit-learn linear-regression

【解决方案1】：

根据LinearRegression fit method 的文档，期望 X 和 y 输入为 (n_samples, n_features) 形状。

如果你检查你的 x 和 y 形状，是这样的

x=spendings = np.linspace(0,5,4000)
y=sales = np.linspace(0,0.5,4000)
print(x.shape)
print(y.shape)

(4000,)
(4000,)

什么错误，您需要使用arr.reshape(-1,1) 重塑 x 和 y 以塑造 (n_samples, n_features)。所以你需要的是 reshape 你的 x 和 y 在适合线性回归之前。

x = x.reshape(-1,1)
y = y.reshape(-1,1)
print(x.shape)
print(y.shape)
(4000, 1)
(4000, 1)

【讨论】：