Question

我对SciKit Learn有问题。

我正在做一个非常简单的线性回归问题。我希望基于“学习的小时数”和得出的成绩的输入值，根据他们学习的时间估算学生的成绩。

struct node* last = findLastNode(*ptr);
last->link = newnode;

在此示例中，DF看起来像这样：

In [1]: import pandas as pd
In [2]: path = 'Desktop/hoursgrades.csv'
In [3]: df = pd.read_csv(path)
In [4]: X = df['Hours Studied']
In [5]:  y = df['Grade']
In [6]: training_data_in = list() 
In [7]: training_data_out = list()
In [8]: training_data_in.append(X)
In [9]: training_data_out.append(y)  
In [11]: from sklearn.linear_model import LinearRegression
In [12]: model = LinearRegression(n_jobs =-1) 
In [13]: model.fit(X = training_data_in, y = training_data_out)
Out[13]: LinearRegression(copy_X=True, fit_intercept=True, n_jobs=-1, normalize=False)

X看起来像这样：

In [16]: df
Out[16]: 
   Hours Studied  Grade
0              1   10.0
1              2   20.0
2              3   30.0
3              4   40.0
4              5   50.0
5              6   60.0
6              7   70.0
7              8   80.0
8              9   90.0
9             10  100.0

y看起来像这样：

In [17]: X
Out[17]: 
0     1
1     2
2     3
3     4
4     5
5     6
6     7
7     8
8     9
9    10
Name: Hours Studied, dtype: int64

到目前为止，一切都很好，它似乎已经接受了我到目前为止所做的一切。所以现在，我想用一些输入数据测试模型。所以，我想说，这个学生学习的小时数是5，并且该模型可以告诉我预期的成绩。

但是当我将其放入模型中时，出现以下错误。

有人可以建议吗？

In [18]: y
Out[18]: 
0     10.0
1     20.0
2     30.0
3     40.0
4     50.0
5     60.0
6     70.0
7     80.0
8     90.0
9    100.0
Name: Grade, dtype: float64

我应该添加：

In [14]: studied_hour = [[5]]

In [15]: outcome = model.predict(X = studied_hour)
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-15-6fdab4ae2efd> in <module>()
----> 1 outcome = model.predict(X = studied_hour)

~/anaconda3/lib/python3.7/site-packages/sklearn/linear_model/base.py in predict(self, X)
    254             Returns predicted values.
    255         """
--> 256         return self._decision_function(X)
    257 
    258     _preprocess_data = staticmethod(_preprocess_data)

~/anaconda3/lib/python3.7/site-packages/sklearn/linear_model/base.py in _decision_function(self, X)
    239         X = check_array(X, accept_sparse=['csr', 'csc', 'coo'])
    240         return safe_sparse_dot(X, self.coef_.T,
--> 241                                dense_output=True) + self.intercept_
    242 
    243     def predict(self, X):

~/anaconda3/lib/python3.7/site-packages/sklearn/utils/extmath.py in safe_sparse_dot(a, b, dense_output)
    138         return ret
    139     else:
--> 140         return np.dot(a, b)
    141 
    142 

ValueError: shapes (1,1) and (10,10) not aligned: 1 (dim 1) != 10 (dim 0)

Answer 1

X和y的输入形状都不正确，(n_samples, n_features的输入形状必须为X，{{1}的输入形状必须为(n_samples,) }，按照docs。

您看到此错误是因为模型认为您具有十个功能和十个不同的输出（因此，（10，10））。

使用以下方法可获得正确的结果

Scikit学习+熊猫ValueError：形状（1,1）和（10,10）未对齐

1 个答案: