Question

我尝试使用sklearn进行线性回归预测。

我有两个数字列表（年龄以秒表示1970年）和一些价格。

当我尝试预测我的行时，我收到以下错误：

ValueError：形状（1,1000）和（14697,14697）未对齐：1000（暗淡1）！= 14697（暗淡0）

我的代码：

inkoop = np.asarray(list(df['Bedrag_Inkoop_Ingediend_Mono']),dtype=np.number)
tempT = list(df['dtGeboorteDatum'])

dtAge = np.asarray([(time-datetime.date(1970,1,1)).total_seconds() for time in tempT],dtype=np.number)

dtAgeTestY = dtAge[-1000:]
dtAgeTrainY = dtAge[:-1000]
inkoopTestX = inkoop[-1000:]
inkoopTrainX = inkoop[:-1000]
regr = linear_model.LinearRegression()
regr.fit(inkoopTrainX,dtAgeTrainY.reshape(1,-1))
agePredictY = regr.predict(inkoopTestX.reshape(1,-1))

# The coefficients
print('Coefficients: \n', regr.coef_)

# The mean squared error
print("Mean squared error: %.2f"
      % mean_squared_error(inkoopTest, agePredictY))

# Explained variance score: 1 is perfect prediction
print('Variance score: %.2f' % r2_score(inkoopTest, agePredictY))

plt.scatter(inkoopTestX, dtAgeTestY,  color='black')
plt.plot(dtAgeTestY, agePredictY, color='blue', linewidth=3)

plt.xticks(())
plt.yticks(())

plt.show()

他在agePredictY = regr.predict（inkoopTestX.reshape（1，-1））上出错。我也试过没有重塑

Answer 1

您正在重新设定X方法的predict输入，而不是X方法的fit输入。你应该只做一个或另一个。例如

X = inkoop.reshape(-1, 1) # many rows, one feature
trainX = X[:1000]
testX = X[-1000:]
regr.fit(trainX, trainY)
regr.predit(testX)

Sklearn LinearRegression形状未对齐

1 个答案: