概述
我看到了机器学习的故事,我偶然发现了youtube siraj和他的Udacity视频,想要尝试拿起一些东西.
他的视频参考：https://www.youtube.com/watch?v=vOppzHpvTiQ&index=1&list=PL2-dafEMk2A7YdKv4XfKpfbTH5z6rEEj3
在他的视频中,他有一个导入和读取的txt文件,但是当我尝试重新创建txt文件时,它无法正确读取.相反,我尝试使用相同的数据创建一个pandas数据帧并对其执行线性回归/预测,但后来我得到了以下错误.
找到具有不一致样本数的输入变量：[1,16]以及关于传递1d数组的内容,我需要重新整形它们.
然后,当我试图在这篇文章后重塑它们：Sklearn : ValueError: Found input variables with inconsistent numbers of samples: [1,6]
我收到这个错误….
形状(1,16)和(1,1)未对齐：16(暗淡1)！= 1(暗0)
这是我在下面的代码.我知道这可能是一个语法错误,我只是不熟悉这个scklearn,并希望得到一些帮助.
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
from sklearn import linear_model
#DF = pd.read_fwf('BrainBodyWeight.txt')
DF = pd.DataFrame()
DF['Brain'] = [3.385,.480,1.350,465.00,36.330,27.660,14.830,1.040,4.190,0.425,0.101,0.920,1.000,0.005,0.060,3.500 ]
DF['Body'] = [44.500,15.5,8.1,423,119.5,115,98.2,5.5,58,6.40,4,5.7,6.6,.140,1,10.8]
try:
x = DF['Brain']
y = DF['Body']
x = x.tolist()
y = y.tolist()
x = np.asarray(x)
y = np.asarray(y)
body_reg = linear_model.LinearRegression()
body_reg.fit(x.reshape(-1,1),y.reshape(-1,1))
plt.scatter(x,y)
plt.plot(x,body_reg.predict(x))
plt.show()
except Exception as e:
print(e)
任何人都可以解释为什么sklearn不喜欢我的输入????
x = DF['Brain']
x = x.tolist()
x = np.asarray(x)
# 16 samples,None feature
x.shape
(16,)
# 16 samples,1 feature
x.reshape(-1,1).shape
(16,1)
对于LinearRegression.predict函数(以及一致性)也有相同的要求,您只需要在调用预测函数时进行相同的整形.
plt.plot(x,body_reg.predict(x.reshape(-1,1)))
对于特征参考,只需调用DF [‘Brain’]值即可轻松获得内部numpy值数组.您无需将其强制转换为列表 – > numpy数组.所以你可以使用它而不是所有的转换：
x = DF['Brain'].values.reshape(1,-1)
y = DF['Body'].values.reshape(1,-1)
body_reg = linear_model.LinearRegression()
body_reg.fit(x,y)
总结
以上是编程之家为你收集整理的使用sklearn和线性回归时出错：shape(1,16)和(1,1)未对齐：16(dim 1)！= 1(dim 0)全部内容，希望文章能够帮你解决使用sklearn和线性回归时出错：shape(1,16)和(1,1)未对齐：16(dim 1)！= 1(dim 0)所遇到的程序开发问题。
如果您也喜欢它,动动您的小指点个赞吧
602392714
清零编程群