sklearn：调用LinearRegression.fit（）时发现数组的样本数不一致

102

只是想做一个简单的线性回归，但我对此错误感到困惑：

regr = LinearRegression()
regr.fit(df2.iloc[1:1000, 5].values, df2.iloc[1:1000, 2].values)

产生：

ValueError: Found arrays with inconsistent numbers of samples: [  1 999]

这些选择必须具有相同的尺寸，并且它们应该是numpy数组，所以我缺少什么？

scikit-learn

— 阳光明媚
source

116

看起来sklearn需要（行号，列号）的数据形状。如果您的数据形状像（行号）一样(999, )，则无法使用。通过使用numpy.reshape()，您应将数组的形状更改为(999, 1)，例如使用

data=data.reshape((999,1))

就我而言，它可以解决这个问题。

— 尤尔
source

6

我的数据形状为（10L，），如何将其转换为（10L，1）。当我使用data = data.reshape（len（data），1）时，得到的形状是（10L，1L）而不是（10L，1）

— user3841581 2015年

@ user3841581请参阅这篇文章。

— 刘Liu

1

@Boern感谢您的评论。我还发现X_train的大小应为（N，1），而y_train的大小应为（N，）而不是（N，1），否则它不起作用，至少对我来说不行。

— CrossEntropy

如果数据是Series对象，则data.reshape（...）可能显示贬低警告。Use data.values.reshape（...）

— NightFurry 17-10-26

data = data.reshape（-1,1）

— Itachi，

24

看起来您正在使用pandas数据框（名称为df2）。

您还可以执行以下操作：

regr = LinearRegression()
regr.fit(df2.iloc[1:1000, 5].to_frame(), df2.iloc[1:1000, 2].to_frame())

注意：我删除了“值”，因为它将大熊猫系列转换为numpy.ndarray，而numpy.ndarray没有属性to_frame（）。

— 用户名
source

11

在Udacity深度学习基础课程上看到：

df = pd.read_csv('my.csv')
...
regr = LinearRegression()
regr.fit(df[['column x']], df[['column y']])

— 西莱夫
source

2

谢谢！这确实是最简单，最容易理解的！

— Juan A. Navarro

实际上，Y参数应为（长度）形状。谢谢！

— Michael_Zhang

5

我认为regr.fit的“ X”参数必须是一个矩阵，因此以下内容应该有效。

regr = LinearRegression()
regr.fit(df2.iloc[1:1000, [5]].values, df2.iloc[1:1000, 2].values)

— 阿尼什
source

4

我遇到此错误是因为我将数据转换为np.array。我通过将数据转换为a np.matrix并进行转置来解决了这个问题。

ValueError： regr.fit(np.array(x_list), np.array(y_list))

正确： regr.fit(np.transpose(np.matrix(x_list)), np.transpose(np.matrix(y_list)))

— 乔希·格林伯格
source

2

expects X(feature matrix)

尝试将功能放在这样的元组中：

功能= ['电视'，'广播'，'报纸']
X =数据[功能]

— 徐元绪
source

1

我遇到了类似的问题。我的问题是，X中的行数不等于y中的行数。

即特征列中的条目数不等于目标变量中的整体数，因为我从特征列中删除了一些行。

— 西瓦姆·阿格劳（Shivam Agrawal）
source

0

要分析两个数组（array1和array2），它们需要满足以下两个要求：

1）他们必须是一个numpy.ndarray

检查与

type(array1)
# and
type(array2)

如果不是这样，那么至少其中一个执行

array1 = numpy.ndarray(array1)
# or
array2 = numpy.ndarray(array2)

2）尺寸需要如下：

array1.shape #shall give (N, 1)
array2.shape #shall give (N,)

N是数组中项目的数量。要为array1提供正确数量的轴，请执行以下操作：

array1 = array1[:, numpy.newaxis]

— 理查德
source

0

如前所述，X参数必须是具有已知维数的矩阵或numpy数组。因此，您可能可以使用以下代码：

df2.iloc[1:1000, 5:some_last_index].values

因此，您的数据框将被转换为具有已知尺寸的数组，而您无需对其进行整形

— 安迪J.
source

-1

在火车试车时，您可能做错了

x_train,x_test,y_train,y_test=sklearn.model_selection.train_test_split(X,Y,test_size)

上面的代码是正确的

您可能像下面这样做了，这是错误的

x_train,y_train,x_test,y_test=sklearn.model_selection.train_test_split(X,Y,test_size)

— 纳文
source