แค่พยายามทำการถดถอยเชิงเส้นอย่างง่าย แต่ฉันงงงันกับข้อผิดพลาดนี้สำหรับ:
regr = LinearRegression()
regr.fit(df2.iloc[1:1000, 5].values, df2.iloc[1:1000, 2].values)
ซึ่งผลิต:
ValueError: Found arrays with inconsistent numbers of samples: [ 1 999]
การเลือกเหล่านี้ต้องมีขนาดเท่ากันและควรเป็นอาร์เรย์จำนวนนับดังนั้นสิ่งที่ฉันขาดหายไป?
คำตอบ:
ดูเหมือนว่า sklearn ต้องการรูปร่างข้อมูลของ (หมายเลขแถวหมายเลขคอลัมน์) หากรูปร่างข้อมูลของคุณเป็น (หมายเลขแถว) เหมือน(999, )จะไม่ทำงาน เมื่อใช้numpy.reshape()คุณควรเปลี่ยนรูปร่างของอาร์เรย์เป็น(999, 1)เช่นใช้
data=data.reshape((999,1))
ในกรณีของฉันมันใช้งานได้
ดูเหมือนว่าคุณกำลังใช้แพนด้าดาต้าเฟรม (จากชื่อ df2)
คุณสามารถทำสิ่งต่อไปนี้ได้:
regr = LinearRegression()
regr.fit(df2.iloc[1:1000, 5].to_frame(), df2.iloc[1:1000, 2].to_frame())
หมายเหตุ: ฉันได้ลบ "ค่า" ออกแล้วเนื่องจากการแปลงชุดหมีแพนด้าเป็น numpy.ndarray และ numpy.ndarray ไม่มีแอตทริบิวต์ to_frame ()
เห็นในหลักสูตร Udacity deep learning foundation:
df = pd.read_csv('my.csv')
...
regr = LinearRegression()
regr.fit(df[['column x']], df[['column y']])
ฉันคิดว่าอาร์กิวเมนต์ "X" ของ regr.fit ต้องเป็นเมทริกซ์ดังนั้นสิ่งต่อไปนี้ควรใช้งานได้
regr = LinearRegression()
regr.fit(df2.iloc[1:1000, [5]].values, df2.iloc[1:1000, 2].values)
ฉันพบข้อผิดพลาดนี้เนื่องจากฉันแปลงข้อมูลเป็นnp.arrayไฟล์. ฉันแก้ไขปัญหาโดยการแปลงข้อมูลของฉันเป็นnp.matrixแทนแล้วทำการทรานสโพส
ValueError:
regr.fit(np.array(x_list), np.array(y_list))
แก้ไข:
regr.fit(np.transpose(np.matrix(x_list)), np.transpose(np.matrix(y_list)))
expects X(feature matrix)
ลองใส่คุณสมบัติของคุณในทูเพิลแบบนี้:
คุณสมบัติ = ['TV', 'Radio', 'Newspaper'] X = data [คุณสมบัติ]
ฉันประสบปัญหาที่คล้ายกัน ปัญหาในกรณีของฉันคือจำนวนแถวใน X ไม่เท่ากับจำนวนแถวใน y
กล่าวคือจำนวนรายการในคอลัมน์คุณลักษณะไม่เท่ากับจำนวนรายการในตัวแปรเป้าหมายเนื่องจากฉันได้ทิ้งแถวบางแถวจากคอลัมน์ freature
ในการวิเคราะห์อาร์เรย์สองอาร์เรย์ (array1 และ array2) จำเป็นต้องเป็นไปตามข้อกำหนดสองข้อต่อไปนี้:
1) ต้องเป็น numpy.ndarray
ตรวจสอบกับ
type(array1)
# and
type(array2)
หากไม่เป็นเช่นนั้นอย่างน้อยหนึ่งในนั้นก็ดำเนินการ
array1 = numpy.ndarray(array1)
# or
array2 = numpy.ndarray(array2)
2) ขนาดต้องเป็นดังนี้:
array1.shape #shall give (N, 1)
array2.shape #shall give (N,)
N คือจำนวนรายการที่อยู่ในอาร์เรย์ เพื่อให้อาร์เรย์ 1 มีจำนวนแกนที่เหมาะสมให้ดำเนินการ:
array1 = array1[:, numpy.newaxis]
ดังที่ได้กล่าวไว้ข้างต้นอาร์กิวเมนต์ X ต้องเป็นเมทริกซ์หรืออาร์เรย์ตัวเลขที่มีมิติที่ทราบ ดังนั้นคุณอาจใช้สิ่งนี้:
df2.iloc[1:1000, 5:some_last_index].values
ดังนั้นดาต้าเฟรมของคุณจะถูกแปลงเป็นอาร์เรย์ที่มีมิติข้อมูลที่ทราบและคุณไม่จำเป็นต้องจัดรูปแบบใหม่
บางวันฉันก็ประสบปัญหาเดียวกัน เหตุผลคืออาร์เรย์ขนาดต่างๆ
ระหว่างแยกทดสอบรถไฟคุณอาจทำผิดพลาด
x_train,x_test,y_train,y_test=sklearn.model_selection.train_test_split(X,Y,test_size)
รหัสด้านบนถูกต้อง
คุณอาจทำเช่นด้านล่างซึ่งผิด
x_train,y_train,x_test,y_test=sklearn.model_selection.train_test_split(X,Y,test_size)