scikit的数据维度学习线性回归

Question

我刚开始使用Python scikit-learn包进行线性回归。我对它所需的数据集的维度感到困惑。例如，我想使用以下代码在X上回归Y

from sklearn import linear_model
x=[0,1,2]
y=[0,1,2]
regr = linear_model.LinearRegression()
regr.fit (x,y)
print('Coefficients: \n', regr.coef_)

系统返回错误：元组索引超出范围。根据scikit-learn网站，有效数组应该是这样的

x=[[0,0],[1,1],[2,2]]
y=[0,1,2]

（Qazxswpoi）

http://scikit-learn.org/stable/modules/linear_model.html#ordinary-least-squares

所以这意味着包装不能使

from sklearn import linear_model
x=[[0,0],[1,1],[2,2]]
y=[0,1,2]
regr = linear_model.LinearRegression()
regr.fit (x,y)
print('Coefficients: \n', regr.coef_)

上的X[i]回归两个单数？它必须是数字上的数组？像Y[i]在[0,0]到Xin 0？

提前致谢。

Answer 1

您可以。只需将您的数据重塑为Y即可。

在这种情况下，数据中的每个点都将具有单个特征 - 单个数字。

Answer 2

Scikit要求你的x是一个二维数组。它不一定是一个numpy阵列。你总是可以使用一个简单的python列表。

如果您将x作为您在问题中提到的1维数组，则可以执行以下操作：

x = [[0], [1], [2]]

这将在x中存储1D数组的2D数组，即列表的每个单独值都存储为数组。