Question

我收到此错误

ValueError：预期的2D数组，而是标量数组：array = 6.5。如果您的数据有一个数组，请使用array.reshape（-1，1）重塑数据。单一要素或array.reshape（1，-1）（如果其中包含单个样本）。

在执行此代码时

# SVR

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.svm import SVR

# Load dataset
dataset = pd.read_csv('Position_Salaries.csv')

X = dataset.iloc[:, 1:2].values
y = dataset.iloc[:, 2].values

# Fitting the SVR to the data set
regressor = SVR(kernel = 'rbf', gamma = 'auto')
regressor.fit(X, y)

# Predicting a new result 
y_pred = regressor.predict(6.5)

Answer 1

您需要了解SVM的工作原理。您的训练数据是(n_samples, n_features)形状的矩阵。这意味着您的SVM在n_features维的特征空间中运行。因此，除非n_features为1，否则它无法预测标量输入的值。只能预测维度为n_features的向量的值。因此，如果您的数据集有5列，则可以预测5列的任意行向量的值。请参见下面的示例。

import numpy as np
from sklearn.svm import SVR

# Data: 200 instances of 5 features each
X = randint(1, 100, size=(200, 5))
y = randint(0, 2, size=200)

reg = SVR()
reg.fit(X, y)

y_test = np.array([[0, 1, 2, 3, 4]])    # Input to .predict must be 2-dimensional
reg.predict(y_test)

Answer 2

# Predicting a new result with Linear Regression
X_test = np.array([[6.5]])
print(lin_reg.predict(X_test))

# Predicting a new result with Polynomial Regression
print(lin_reg_2.predict(poly_reg.fit_transform(X_test)))

预期为2d数组，但改为标量数组

2 个答案: