ValueError：预期的2D数组，而是1D数组：

Question

在练习简单线性回归模型时，我遇到了这个错误，我认为我的数据集有问题。

这是我的数据集：

这是自变量X：

这是因变量Y：

这是X_train

这是Y_train

这是错误体：

ValueError: Expected 2D array, got 1D array instead:
array=[ 7.   8.4 10.1  6.5  6.9  7.9  5.8  7.4  9.3 10.3  7.3  8.1].
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.

这是我的代码：

import pandas as pd
import matplotlib as pt

#import data set

dataset = pd.read_csv('Sample-data-sets-for-linear-regression1.csv')
x = dataset.iloc[:, 1].values
y = dataset.iloc[:, 2].values

#Spliting the dataset into Training set and Test Set
from sklearn.cross_validation import train_test_split
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size= 0.2, random_state=0)

#linnear Regression

from sklearn.linear_model import LinearRegression

regressor = LinearRegression()
regressor.fit(x_train,y_train)

y_pred = regressor.predict(x_test)

谢谢

Answer 1

很多时候在做线性回归问题时，人们喜欢想象这个图

在输入上，我们有一个 X = [1,2,3,4,5]

然而，许多回归问题具有多维输入。考虑一下房价的预测。决定房价的不是一项属性。它具有多种功能（例如：房间数量、位置等）

如果你查看文档你会看到这个

它告诉我们行由样本组成，列由特征组成。

但是，请考虑当我们将一项特征作为输入时会发生什么。然后我们需要一个 nx 1 维输入，其中 n 是样本数，第 1 列代表我们唯一的特征。

为什么这个array.reshape(-1, 1)建议有效？-1 表示根据提供的列数选择有效的行数。请参阅图像以了解它在输入中如何变化。

Answer 2

如果您查看LinearRegressionscikit-learn 的文档。

拟合（X，Y，sample_weight=None）

X : 形状 [n_samples,n_features] 的 numpy 数组或稀疏矩阵

预测（X）

X : {array-like, sparse matrix}, shape = (n_samples, n_features)

正如你可以看到X有2个维度，那里的，你的x_train和x_test明确有一个。按照建议，添加：

x_train = x_train.reshape(-1, 1)
x_test = x_test.reshape(-1, 1)

在拟合和预测模型之前。

Answer 3

用

y_pred = regressor.predict([[x_test]])

Answer 4

您需要同时给fit和predict方法提供2D数组。你x_train，y_train并且x_test目前仅一维。控制台建议的内容应该可以工作：

x_train= x_train.reshape(-1, 1)
y_train= y_train.reshape(-1, 1)
x_test = x_test.reshape(-1, 1)

这使用numpy的reshape。reshape过去已经回答过有关问题，例如应该回答什么reshape(-1,1)意思：-1在numpy重塑中是什么意思？