ValueError：预期的2D数组，而是标量数组

Question

在练习简单线性回归模型时，出现以下错误：

ValueError: Expected 2D array, got scalar array instead:
array=60.
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（Python 3.7）：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
from sklearn.metrics import r2_score
data = pd.read_csv("hw_25000.csv")


hgt = data.Height.values.reshape(-1,1)
wgt = data.Weight.values.reshape(-1,1)

regression = LinearRegression()
regression.fit(hgt,wgt)

print(regression.predict(60))


print(data.columns)

plt.scatter(data.Height,data.Weight)
x = np.arange(min(data.Height),max(data.Height)).reshape(-1,1)
plt.plot(x,regression.predict(x),color="red")
plt.xlabel("Height")
plt.ylabel("Weight")
plt.title("Simple Linear Regression Model")
plt.show()

print(r2_score(wgt,regression.predict(hgt)))

我真的不知道我的代码有什么问题，所以我非常感谢您。谢谢

Answer 1

简短答案：

regression.predict([[60]])

长答案：regression.predict接受要预测的二维数组。数组中的每个项目都是您要模型进行预测的“点”。假设我们要对点60、52和31进行预测。regression.predict([[60], [52], [31]])

我们需要2d数组的原因是因为我们可以在比2d高的空间中进行线性回归。例如，我们可以在3d空间中进行线性回归。假设我们要预测给定数据点（x，y）的“ z”。然后，我们需要说“ regression.predict（[[x，y]]）”。

进一步以该示例为例，我们可以为一组“ x”和“ y”点预测“ z”。例如，我们要预测每个点的“ z”值：（0，2），（3，7），（10，8）。然后，我们将说“ regression.predict（[[0，2]，[3，7]，[10，8]]）”，这充分证明了对gression.predict需要采用二维值数组来预测点的需求。