如何将标量数组转换为二维数组?
Posted
技术标签:
【中文标题】如何将标量数组转换为二维数组?【英文标题】:How to convert scalar array to 2d array? 【发布时间】:2019-07-30 11:36:40 【问题描述】:我是机器学习的新手,在将标量数组转换为二维数组时遇到了一些问题。 我正在尝试在 spyder 中实现多项式回归。这是我的代码,请帮忙!
# Polynomial Regression
# Importing the libraries
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
# Importing the dataset
dataset = pd.read_csv('Position_Salaries.csv')
X = dataset.iloc[:, 1:2].values
y = dataset.iloc[:, 2].values
# Fitting Linear Regression to the dataset
from sklearn.linear_model import LinearRegression
lin_reg = LinearRegression()
lin_reg.fit(X, y)
# Fitting Polynomial Regression to the dataset
from sklearn.preprocessing import PolynomialFeatures
poly_reg = PolynomialFeatures(degree = 4)
X_poly = poly_reg.fit_transform(X)
poly_reg.fit(X_poly, y)
lin_reg_2 = LinearRegression()
lin_reg_2.fit(X_poly, y)
# Predicting a new result with Linear Regression
lin_reg.predict(6.5)
# Predicting a new result with Polynomial Regression
lin_reg_2.predict(poly_reg.fit_transform(6.5))
ValueError:预期的 2D 数组,得到的是标量数组:array=6.5。 如果您的数据有 单个特征或 array.reshape(1, -1) 如果它包含单个样本。
【问题讨论】:
你在哪一行得到这个错误? 【参考方案1】:您的代码的问题是 linreg.predict(6.5)。
如果您阅读错误声明,它会说模型需要二维数组,但是 6.5 是标量。 为什么?如果你看到你的 X 数据是二维的,那么你想用你的模型预测的任何东西也应该有两个二维形状。 这可以通过使用 .reshape(-1,1) 创建列向量(特征向量)或 .reshape(1,-1) 如果您有单个样本来实现。
为了预测我需要以与原始训练数据相同的方式准备数据。
如果您需要更多信息,请告诉我。
【讨论】:
【参考方案2】:你必须将输入作为二维数组,因此试试这个!
lin_reg.predict([6.5])
lin_reg_2.predict(poly_reg.fit_transform([6.5]))
【讨论】:
【参考方案3】:您只会在 Jupyter 中遇到此问题。 要在 jupyter 中解析,请使用以下代码将值转换为 np 数组。
lin_reg.predict(np.array(6.5).reshape(1,-1))
lin_reg_2.predict(poly_reg.fit_transform(np.array(6.5).reshape(1,-1)))
对于 spyder,它的工作方式与您预期的一样:
lin_reg.predict(6.5)
lin_reg_2.predict(poly_reg.fit_transform(6.5))
【讨论】:
以上是关于如何将标量数组转换为二维数组?的主要内容,如果未能解决你的问题,请参考以下文章