scikit-learn python的线性回归模拟

Posted 2023-03-12

【中文标题】scikit-learn python的线性回归模拟

【英文标题】：simulation of linear regression scikit-learn python

【发布时间】：2021-04-01 12:43:15

【问题描述】：

我想运行线性回归，但此代码从“reg = LinearRegression()”开始生成错误

import pandas as pd
from sklearn.linear_model import LinearRegression
from sklearn.metrics import r2_score
from scipy.stats import binom

from scipy.stats import norm
# generate random numbers from N(0,1)
x = norm.rvs(size=10000,loc=0,scale=1)
y = norm.rvs(size=10000,loc=0,scale=1)
z = binom.rvs(n=10,p=0.8,size=10000)
df = pd.DataFrame(data='v1':x.flatten(),'target':y.flatten(),'label':z.flatten())
df.head(10)

reg = LinearRegression()
reg.fit(df['v1'], df["target"])

错误信息： ValueError：预期的 2D 数组，得到 1D 数组： 数组=[ 0.39507346 -0.01013895 -0.83918156 ... 0.47254883 0.02202747 0.50782984]。 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，如果数据包含单个样本，则使用 array.reshape(1, -1)。

有什么提示吗？

【问题讨论】：

这能回答你的问题吗？ ValueError: Expected 2D array, got 1D array instead:

【参考方案1】：

使用.values.reshape(-1, 1):

reg.fit(df['v1'].values.reshape(-1, 1), df["target"].values.reshape(-1, 1))

【讨论】：

谢谢，它有效，但我不明白为什么我的版本会出现问题..

如果有帮助，则通过将其标记为解决方案来结束问题。提前祝圣诞快乐:)