时间戳

首页 > 解决方案 > 使用 sklearn 波士顿住房数据集：尝试为系数创建数据框

python - 使用 sklearn 波士顿住房数据集：尝试为系数创建数据框

问题描述

我已经运行了以下代码行

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline

from sklearn.datasets import load_boston
boston = load_boston()
print(boston.data.shape) 

from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split

x = pd.DataFrame(boston.data)
x.columns = boston.feature_names
y=pd.DataFrame(boston.target)
y.columns=['TARGET']

x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.3,  random_state=101)

model = LinearRegression()

model.fit(x_train,y_train)


print('Coefficients: \n', model.coef_)
len(model.coef_)

Coefficients: 
 [[-8.74917163e-02  5.02793747e-02  2.06785359e-02  3.75457604e+00
  -1.77933846e+01  3.24118660e+00  1.20902568e-02 -1.40965453e+00
   2.63476633e-01 -1.03376395e-02 -9.52633123e-01  6.20783942e-03
  -5.97955998e-01]]
1


coeffecients = pd.DataFrame(data=model.coef_,index=x.columns,columns=['Coefficient'])

错误消息：传递值的形状为 (13, 1)，索引暗示 (1, 13)

我认为问题在于系数数组的长度为 1。但不确定。

标签： pythonscikit-learnsklearn-pandas

解决方案

IMO，发生这种情况是因为您y_train是一个形状为 (n_samples, 1) 的 2d DataFrame。

coef_ : 数组，形状 (n_features, ) 或 (n_targets, n_features)

线性回归问题的估计系数。如果在拟合过程中传递了多个目标（y 2D），这是一个形状为（n_targets，n_features）的二维数组，而如果只传递了一个目标，这是一个长度为 n_features 的一维数组。

通过np.ravel(y_train)代替或仅使用y = pd.Series(boston.target)可以解决此问题。

推荐阅读