如何将标量数组转换为2d数组？

Question

我是机器学习的新手，面临将标量数组转换为二维数组的一些问题。我试图在spyder中实现多项式回归。这是我的代码，请帮忙！

# Polynomial Regression

# Importing the libraries
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

# Importing the dataset
dataset = pd.read_csv('Position_Salaries.csv')
X = dataset.iloc[:, 1:2].values
y = dataset.iloc[:, 2].values

# Fitting Linear Regression to the dataset
from sklearn.linear_model import LinearRegression
lin_reg = LinearRegression()
lin_reg.fit(X, y)

# Fitting Polynomial Regression to the dataset
from sklearn.preprocessing import PolynomialFeatures
poly_reg = PolynomialFeatures(degree = 4)
X_poly = poly_reg.fit_transform(X)
poly_reg.fit(X_poly, y)
lin_reg_2 = LinearRegression()
lin_reg_2.fit(X_poly, y)

# Predicting a new result with Linear Regression
lin_reg.predict(6.5)

# Predicting a new result with Polynomial Regression
lin_reg_2.predict(poly_reg.fit_transform(6.5))

ValueError：预期的2D数组，而是scalar数组：array = 6.5。如果数据具有单个要素，则使用array.reshape（-1,1）重新整形数据;如果数据包含单个样本，则使用array.reshape（1，-1）重新整形数据。

Answer 1

你只在Jupyter中遇到这个问题。要在jupyter中解析，请使用下面的代码将值转换为np数组。

lin_reg.predict(np.array(6.5).reshape(1,-1))
lin_reg_2.predict(poly_reg.fit_transform(np.array(6.5).reshape(1,-1)))

对于spyder，它的工作方式与您预期的相同：

lin_reg.predict(6.5)
lin_reg_2.predict(poly_reg.fit_transform(6.5))

Answer 2

你的代码的问题是linreg.predict（6.5）。

如果您阅读错误声明，则表示模型需要2维数组，但6.5是标量。为什么？如果您看到X数据具有2-d，那么您希望用模型预测的任何内容也应该具有两个2d形状。这可以通过使用.reshape（-1,1）创建列向量（特征向量）或.reshape（1，-1）来实现。如果您有单个样本。

需要记住的事情是为了预测我需要以与原始训练数据相同的方式准备我的数据。

如果您需要更多信息，请告诉我们。

Answer 3

你必须将输入作为二维数组，所以试试这个！

lin_reg.predict([6.5])
lin_reg_2.predict(poly_reg.fit_transform([6.5]))