“ValueError：预期的 2D 数组，得到 1D 数组”的问题

Question

我需要运行 SVR（支持向量回归）。我有一个 CSV 数据框。使用一个目标变量和多个回归器运行 OLS 回归没有问题。但是我对这部分代码有疑问。

所以，这是我的代码：

import matplotlib.pyplot as plt
import pandas as pd
from sklearn.preprocessing import StandardScaler
from sklearn.svm import SVR

sc_X = StandardScaler()
sc_y = StandardScaler()
X = sc_X.fit_transform(X)
y = sc_y.fit_transform(y)

y_pred = sc_y.inverse_transform ((regressor.predict (sc_X.transform(np.array([[6.5]])))))
plt.scatter(X, y, color = 'magenta')
plt.plot(X, regressor.predict(X))
plt.title('SVR')
plt.xlabel('X')
plt.ylabel('VF')
plt.show()

X_grid = np.arange(min(X), max(X), 0.1)
X_grid = X_grid.reshape((len(X_grid), 1))
plt.scatter(X, y)
plt.plot(X_grid, regressor.predict(X_grid))
plt.title('SVR')
plt.xlabel('X')
plt.ylabel('VF')
plt.show()

我收到以下错误消息：“ValueError: Expected 2D array, got 1D array instead 如果您的数据具有单个特征，则使用 array.reshape(-1, 1) 重塑您的数据，如果它包含单个样本，则使用 array.reshape(1, -1)。"

这是我第一次遇到这个问题。我在其他主题中看到的并不稀缺，但实际上我不明白在哪里重塑我的代码中的数据。当我尝试这样做时，它说 DataFrame 没有重塑功能。

这是我的数据集的图片。目标是 VF，所有其他变量都是回归量。

谢谢，

Answer 1

似乎当你这样做时：

 X = sc_X.fit_transform(X)

X 包含多个变量。 8具体

接下来你要做的：

 regressor.predict(sc_X.transform(np.array([[6.5]])))

现在您尝试转换一个新样本，该样本只有一个变量，但 sc 模型是在具有多个变量的数据上训练的。