.fit() 错误：发现样本数量不一致的数组

Posted 2023-03-12

【中文标题】.fit() 错误：发现样本数量不一致的数组

【英文标题】：.fit() error: Found arrays with inconsistent numbers of samples

【发布时间】：2016-10-29 17:38:06

【问题描述】：

y1 是一个长度为 106 的 numpy.ndarray（表示以米为单位的高度）

x1 是一个长度为 106 的 numpy.ndarray（代表身高对应的男孩的年龄）

我正在尝试使用梯度下降通过线性回归预测给定年龄的身高，然后将其绘制为 3D 曲面图。

当我尝试执行 .fit() 时，它会告诉我

ValueError：发现样本数量不一致的数组：[1 106]

import numpy as np
from sklearn import linear_model

x1 = np.fromfile('ex2x.dat', float)
y1 = np.fromfile('ex2y.dat', float)

clf = linear_model.SGDRegressor(alpha=.007)

clf.fit(x1, y1)


y_predicted = clf.predict(3.5)

【问题讨论】：

类似：***.com/questions/30813044/…

我知道，我看到了那个帖子，但仍然没有帮助

能否给出 print x1.shape 的输出？

【参考方案1】：

预期的数组形状是：

(n_samples, 1) 表示 x1，表示具有一列的二维数组（因为您有一个特征） (n_samples,) 表示 y1，表示一维数组。

如果你的第一个数组是一维的，你应该重塑它：

x1 = np.fromfile('ex2x.dat', float).reshape(-1, 1)

这是一个独立的小例子：

import numpy as np
from sklearn import linear_model

x1 = np.array(range(10)).reshape(-1, 1)
y1 = np.array([k**.5 for k in range(10)])

clf = linear_model.SGDRegressor(alpha=.0007)
clf.fit(x1, y1)

y_predicted = clf.predict(3.5)