Question

y1是一个长度为106的numpy.ndarray（代表以米为单位的高度）

x1是一个长度为106的numpy.ndarray（代表对应于高度的男孩的年龄）

我试图通过使用梯度下降的线性回归来预测给定年龄的高度，然后将其绘制为3D表面图。

当我尝试做.fit（）时，它会告诉我

ValueError：找到样本数不一致的数组：[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)

Answer 1

预期的数组形状为：

（n_samples，1）表示x1，表示带有一列的2D数组（因为您有一个要素）
（n_samples，）表示y1，表示1D数组。

如果你的第一个数组是1D，你应该重塑它：

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

这是一个小型的自包含示例：

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)

.fit（）错误：找到样本数不一致的数组

1 个答案: