时间戳

首页 > 解决方案 > ValueError：matmul 尝试将 sklearn 的线性回归器拟合到 pandas 数据帧实例时

python - ValueError：matmul 尝试将 sklearn 的线性回归器拟合到 pandas 数据帧实例时

问题描述

我一直在尝试使用 sklearn 对一些虚拟数据执行简单的多元线性回归。我最初通过 sklearn.linear_model.LinearRegression.fit numpy 数组并不断收到此错误：

ValueError: matmul: Input operand 1 has a mismatch in its core dimension 0, with gufunc signature (n?,k),(k,m?)->(n?,m?) (size 2 is different from 1)

我认为这是由于我的数组或其他东西的转置出现了一些错误，所以我拿出了一个使用熊猫数据框的教程并以相同的方式设置了我的代码：

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
from sklearn.linear_model import LinearRegression

VWC = np.array((0,0.2,0.4,0.6,0.8,1))
Sensor_Voltage = np.array((515,330,275,250,245,240))

X = np.column_stack((VWC,VWC*VWC))
df = pd.DataFrame(X,columns=["VWC","VWC2"])
target = pd.DataFrame(Sensor_Voltage,columns=["Volt"])

model = LinearRegression()
model.fit(df,target["Volt"])
x = np.linspace(0,1,30)
y = model.predict(x[:,np.newaxis])
plt.plot(VWC, Sensor_Voltage)
plt.plot(x,y,dashes=(3,1))
plt.title("Simple Linear Regression")
plt.xlabel("Volumetric Water Content")
plt.ylabel("Sensor response (4.9mV)")
plt.show()

我仍然得到以下回溯：

Traceback (most recent call last):
  File "C:\Users\Vivian Imbriotis\AppData\Local\Programs\Python\Python37\simple_linear_regression.py", line 16, in <module>
    y = model.predict(x[:,np.newaxis])
  File "C:\Users\Vivian Imbriotis\AppData\Local\Programs\Python\Python37\lib\site-packages\sklearn\linear_model\_base.py", line 225, in predict
    return self._decision_function(X)
  File "C:\Users\Vivian Imbriotis\AppData\Local\Programs\Python\Python37\lib\site-packages\sklearn\linear_model\_base.py", line 209, in _decision_function
    dense_output=True) + self.intercept_
  File "C:\Users\Vivian Imbriotis\AppData\Local\Programs\Python\Python37\lib\site-packages\sklearn\utils\extmath.py", line 151, in safe_sparse_dot
    ret = a @ b
ValueError: matmul: Input operand 1 has a mismatch in its core dimension 0, with gufunc signature (n?,k),(k,m?)->(n?,m?) (size 2 is different from 1)

几个小时以来，我一直在努力解决这个问题，我只是不明白我做错了什么。

Scikit-learn、numpy、pandas都是最新版本；这是在 python 3.7.3 上

已解决：我很愚蠢并且误解了 np.newaxis 的工作原理。这里的目标是对数据进行二次拟合，所以我只需要更改：

x = np.linspace(0,1,30)
y = model.predict(x[:,np.newaxis])

至

x = np.columnstack([np.linspace(0,1,30),np.linspace(0,1,30)**2])
y = model.predict(x)

我相信有一种更优雅的方式来写，但是嗯。

标签： pythonpandasscikit-learn

解决方案

您使用 (6,2) 数据集的形状训练模型。如果您检查 df 的形状

df.shape = (6,2).

当您尝试预测时，您正在尝试使用不同形状的数据集。

x.shape=(30,1)

你需要的是使用正确的数据集形状。试试这个

x = np.linspace((0,0),(1,1),30)
y = model.predict(x)

推荐阅读