Python脚本“预期2D数组,改为1D数组”中出错:?

你只需要提供 predict 方法具有相同的2D数组,但具有一个要处理的值(或多个)。简而言之,你只需更换

[0.58,0.76]

具有

[[0.58,0.76]]

它应该会起作用。

预测 与训练数据维数相同的数据( X )是的。

十、 (每个值有2个)并在中显示正确的响应 y 预测 使用新的值,我们的程序期望相同的-a 串

在阵列上运行预测时会出现问题 [0.58,0.76] .在呼叫之前,通过重塑问题来解决问题 predict() :

import numpy as np
import matplotlib.pyplot as plt
from matplotlib import style

style.use("ggplot")
from sklearn import svm

x = [1, 5, 1.5, 8, 1, 9]
y = [2, 8, 1.8, 8, 0.6, 11]

plt.scatter(x,y)
plt.show()

X = np.array([[1,2],
             [5,8],
             [1.5,1.8],
             [8,8],
             [1,0.6],
             [9,11]])

y = [0,1,0,1,0,1]

clf = svm.SVC(kernel='linear', C = 1.0)
clf.fit(X,y)

test = np.array([0.58, 0.76])
print test       # Produces: [ 0.58  0.76]
print test.shape # Produces: (2,) meaning 2 rows, 1 col

test = test.reshape(1, -1)
print test       # Produces: [[ 0.58  0.76]]
print test.shape # Produces (1, 2) meaning 1 row, 2 cols

print(clf.predict(test)) # Produces [0], as expected

我使用以下方法。

reg = linear_model.LinearRegression()
reg.fit(df[['year']],df.income)

reg.predict([[2136]])

除了我想要预测的实例的数据类型是 panda.Series

我只需要预测一个输入实例。我是从我的一部分数据中提取的。

df = pd.DataFrame(list(BiogasPlant.objects.all()))
test = df.iloc[-1:]       # sliced it here

在这种情况下,需要将其转换为一维数组,然后 reshape 它

 test2d = test.values.reshape(1,-1)

从 docs values 将序列转换为numpy数组。

print(clf.predict(np.array[[0.58,0.76]]))

只需在双方括号之间插入参数:

regressor.predict([[values]])

reg.predict([[3300]]) .

API过去允许标量值,但现在需要提供2D数组。

if type(X) is Series:
    X = X.to_frame()

只需用两个方括号括住你的numpy对象,反之亦然。

例如:

如果最初您的 x = [8,9,12,7,5]

将其更改为 x = [ [8,9,12,7,5] ] .

这应该可以解决维度问题

你可以这样做:

np。数组(x)[:,无]

自变量和因变量的X和Y矩阵分别从int64类型转换为数据帧,以便将其从一维数组转换为二维数组。。