尝试做线性线性回归分类器给我“ValueError：预期的二维数组，而不是一维数组[重复]答案

【问题标题】：Trying to do linear Linear Regression classifier giving me "ValueError: Expected 2D array, got 1D array instead [duplicate]尝试做线性线性回归分类器给我“ValueError：预期的二维数组，而不是一维数组[重复]
【发布时间】：2019-04-30 22:06:59
【问题描述】：

我已经使用线性回归完成了 scikit-learn toturiol。当我尝试编写自己的代码来执行此操作时，我收到一条错误消息 " "如果它包含单个样本。".format(array)) ValueError：预期的 2D 数组，得到 1D 数组： "# 只使用一个特性：" 示例代码正在发送一维数组糖尿病_X = 糖尿病.data[:, np.newaxis, 2]

这是我尝试过的： 1. 使用列表而不是 numpy 数组 2.在得到的示例代码中打印出diabetes_X [[ 0.06169621] [-0.05147406] ..... ]] 然后我尝试如下更改我的代码 xp=[[3449][1058][2201]] 得到一个错误，说预期的语句结束。然后我尝试了 xp=[[3449]，[1058]，[2201]] 同样的错误信息

我的代码

xs=np.array([ 3449 ,  1058,  2201,  2500,  1953,  1637,  1400,  1836,  1400,  4677,  1639,  2094,  1491], dtype=np.float64)
ys=np.array([529000,279090,479000,319000,369000,346000,425000,380000,425000,646900,349900,384900,284900], dtype=np.float64)

xp=[ 3449 ,  1058,  2201,  2500,  1953,  1637,  1400,  1836,  1400,  4677,  1639,  2094,  1491]
yp=[529000,279090,479000,319000,369000,346000,425000,380000,425000,646900,349900,384900,284900]

clf= linear_model.LinearRegression()

clf.fit(xp, yp)
g=clf.predict( 279090)
print("+++++++ guess +++++++")
print(g)
print("jjjjjjj")

【问题讨论】：

标签： python

【解决方案1】：

由于错误状态，fit 函数需要一个 2D 数组，如果您有一个特征，这意味着您有一个 1D 数组，您可以使用 reshape(1, -1) 使其成为 2D .
这是一个工作示例：

xs=np.array([ 3449 ,  1058,  2201,  2500,  1953,  1637,  1400,  1836,  1400,  4677,  1639,  2094,  1491], dtype=np.float64)
ys=np.array([529000,279090,479000,319000,369000,346000,425000,380000,425000,646900,349900,384900,284900], dtype=np.float64)

xp=[ 3449 ,  1058,  2201,  2500,  1953,  1637,  1400,  1836,  1400,  4677,  1639,  2094,  1491]
yp=[529000,279090,479000,319000,369000,346000,425000,380000,425000,646900,349900,384900,284900]

xp = np.array(xp).reshape(1, -1)
yp = np.array(yp).reshape(1, -1)
clf= linear_model.LinearRegression()

clf.fit(xp, yp)
g=clf.predict(xs.reshape(1, -1))
print("+++++++ guess +++++++")
print(g)
print("jjjjjjj")

【讨论】：

【解决方案2】：

在使用xp = np.array([....]) 和yp = np.array([....]) 将它们转换为 NumPy 数组后，您可以将其重塑为具有单列的二维数组

xp = xp.reshape(xp.shape[0],-1)
yp = yp.reshape(yp.shape[0],-1)

clf= linear_model.LinearRegression()

clf.fit(xp, yp)
g=clf.predict( 279090)
print("+++++++ guess +++++++")
print(g)
print("jjjjjjj")

# +++++++ guess +++++++
# [[24426732.22]]
# jjjjjjj

【讨论】：