Question

我是机器学习的新手，在将标量数组转换为2d数组时遇到了一些问题。我正在尝试在spyder中实现多项式回归。这是我的代码，请帮忙！

# Polynomial Regression

# Importing the libraries
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

# Importing the dataset
dataset = pd.read_csv('Position_Salaries.csv')
X = dataset.iloc[:, 1:2].values
y = dataset.iloc[:, 2].values

# Fitting Linear Regression to the dataset
from sklearn.linear_model import LinearRegression
lin_reg = LinearRegression()
lin_reg.fit(X, y)

# Fitting Polynomial Regression to the dataset
from sklearn.preprocessing import PolynomialFeatures
poly_reg = PolynomialFeatures(degree = 4)
X_poly = poly_reg.fit_transform(X)
poly_reg.fit(X_poly, y)
lin_reg_2 = LinearRegression()
lin_reg_2.fit(X_poly, y)

# Predicting a new result with Linear Regression
lin_reg.predict(6.5)

# Predicting a new result with Polynomial Regression
lin_reg_2.predict(poly_reg.fit_transform(6.5))

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）。

Answer 1

仅在Jupyter中出现此问题。要在jupyter中解析，请使用以下代码将值放入np数组。

lin_reg.predict(np.array(6.5).reshape(1,-1))
lin_reg_2.predict(poly_reg.fit_transform(np.array(6.5).reshape(1,-1)))

对于间谍来说，它的工作与您预期的相同：

lin_reg.predict(6.5)
lin_reg_2.predict(poly_reg.fit_transform(6.5))

Answer 2

代码的问题是linreg.predict（6.5）。

如果您阅读错误说明，则说明模型需要二维数组，但是6.5是标量。为什么？如果您看到X数据具有2d形状，那么您要用模型预测的任何事物也应具有2个2d形状。可以使用创建列向量（特征向量）的.reshape（-1,1）或使用单个样品的.reshape（1，-1）来实现。

需要记住的东西来预测我需要以与原始训练数据相同的方式准备数据。

如果您需要更多信息，请告诉我。

Answer 3

您必须将输入提供为2D数组，因此请尝试！

lin_reg.predict([6.5])
lin_reg_2.predict(poly_reg.fit_transform([6.5]))

如何将标量数组转换为二维数组？

3 个答案: