使用sklearn和线性回归时出错:形状(1,16)和(1,1)未对齐:16(dim 1)!= 1(dim 0)

Question

我看到了机器学习的故事,我偶然发现了youtube siraj和他的Udacity视频,想要尝试拿起一些东西.

他的视频参考:https://www.youtube.com/watch？v = vOppzHpvTiQ&index = 1&list = PL2-dafEMk2A7YdKv4XfKpfbTH5z6rEEj3

在他的视频中,他有一个导入和读取的txt文件,但是当我尝试重新创建txt文件时,它无法正确读取.相反,我尝试使用相同的数据创建一个pandas数据帧并对其执行线性回归/预测,但后来我得到了以下错误.

找到具有不一致样本数的输入变量:[1,16]以及关于传递1d数组的内容,我需要重新整形它们.

然后,当我尝试按照这篇文章重塑它们时:Sklearn:ValueError:找到样本数不一致的输入变量:[1,6]

我收到这个错误....

形状(1,16)和(1,1)未对齐:16(暗淡1)!= 1(暗0)

这是我在下面的代码.我知道这可能是一个语法错误,我只是不熟悉这个scklearn,并希望得到一些帮助.

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
from sklearn import linear_model

#DF = pd.read_fwf('BrainBodyWeight.txt')
DF = pd.DataFrame()
DF['Brain'] = [3.385, .480, 1.350, 465.00,36.330, 27.660, 14.830, 1.040, 4.190, 0.425, 0.101, 0.920, 1.000, 0.005, 0.060, 3.500 ]

DF['Body'] = [44.500, 15.5, 8.1, 423, 119.5, 115, 98.2, 5.5,58, 6.40, 4, 5.7,6.6, .140,1, 10.8]

try:
    x = DF['Brain']
    y = DF['Body']

    x = x.tolist()
    y = y.tolist()

    x = np.asarray(x)
    y = np.asarray(y)


    body_reg = linear_model.LinearRegression()
    body_reg.fit(x.reshape(-1,1),y.reshape(-1,1))
    plt.scatter(x,y)
    plt.plot(x,body_reg.predict(x))
    plt.show()
except Exception as e:
    print(e)

任何人都可以解释为什么sklearn不喜欢我的输入????

Answer 1

从文档开始， LinearRegression.fit（）需要具有[n_samples,n_features]形状的x数组。因此，这就是为什么x在调用fit之前重塑数组的原因。因为如果不这样做，您将拥有一个（16，）形状的数组，该数组不符合所需的[n_samples,n_features]形状，因此没有n_features给出。

x = DF['Brain']
x = x.tolist()
x = np.asarray(x)

# 16 samples, None feature
x.shape
(16,)

# 16 samples, 1 feature
x.reshape(-1,1).shape
(16,1)

对LinearRegression.predict函数（以及一致性）也有相同的要求，您只需要在调用Forecast函数时进行相同的重塑即可。

plt.plot(x,body_reg.predict(x.reshape(-1,1)))

或者，您也可以x在调用任何函数之前重新调整数组的形状。

作为功​​能参考，您只需调用即可轻松获取内部numpy值数组DF['Brain'].values。您无需将其强制转换为list-> numpy array。因此，您可以只使用此方法，而不要使用所有的转换方法：

x = DF['Brain'].values.reshape(1,-1)
y = DF['Body'].values.reshape(1,-1)

body_reg = linear_model.LinearRegression()
body_reg.fit(x, y)