machine-learning - 机器学习和线性回归预测误差
问题描述
我试图通过简单的回归来预测答案,但得到以下错误:
('形状(1,151)和(603,603)未对齐:151(dim 1)!= 603(dim 0)')
这是我的代码
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
# Importing the dataset`enter code here`
dataset = pd.read_csv('pure_cotton.csv')
X = dataset.iloc[:,7].values
y = dataset.iloc[:,10].values
# Splitting the dataset into the Training set and Test set
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.2, random_state = 0)
#fitting simple_linear_reg to training set
from sklearn.linear_model import LinearRegression
regressor = LinearRegression()
regressor.fit([X_train], [y_train])
#predicting the test results
y_pred = regressor.predict([X_test])
解决方案
你应该做一些 chengements:
regressor.fit(np.expand_dims(X_train, 1), np.expand_dims(y_train, 1))
和
regressor.predict(np.expand_dims(X_test, 1))
为了避免维度问题,第一个维度,代表样本个数,第二个维度代表特征个数
推荐阅读
- cesium - 铯从2个笛卡尔3点计算航向和俯仰
- django - 如何在 django 中保存来自 post 请求的数据?
- haskell - 由于我使用了警卫,我的代码导致解析错误
- python - 在Windows上的python中将一个类传递给多处理池
- vim - 从 Gdiffsplit 回来!三向视图
- c# - 为什么内存在持续运行的基于.Net CORE 2.2 + EF 核心的调度控制台中没有释放
- oracle - DBMS_METADATA.GET_DDL 在 PROCEDURE 中不起作用
- sql - XML 表 - 参数化路径
- python - 如何在 django rest 框架中部分更新模型?
- ruby - 每个循环跳过数组中的值