机器学习线性回归 - Sklearn

Question

我是机器学习领域的新手，在学习回归中，我有一些疑问

1：在练习sklearn学习回归模型预测方法时得到以下误差。

码：

sklearn.linear_model.LinearRegression.predict(25)

错误：“ValueError：预期的2D数组，改为使用标量数组：array = 25.如果数据具有单个要素或array.reshape（1，-1），则使用array.reshape（-1,1）重新整形数据它包含一个样本。“

我需要通过二维阵列吗？在sklearn文档页面上检查任何未找到任何版本更新的东西。 **在Kaggle上运行我的代码 https://www.kaggle.com/aman9d/bikesharingdemand-upx/

2：数据集的索引是否会影响模型的分数（权重）？

Answer 1

首先，您应该在使用时放置代码：

# import, instantiate, fit
from sklearn.linear_model import LinearRegression
linreg = LinearRegression()
linreg.fit(X, y)

# use the predict method
linreg.predict(25)

因为你在问题中发布的内容不能正确执行，所以predict方法对于类LinearRegression来说不是静态的。

当您拟合模型时，第一步是识别哪种数据将是输入，在您的情况下将类似于X，这意味着如果您将具有不同形状的X的内容传递给模型，则会引发错误。

在您的示例中，X似乎是一个只有1列的pd.DataFrame（）实例，这应该可以替换为2维数组，表示按功能数量表示的示例数量，因此如果您尝试：

linreg.predict([[25]])

应该管用。

例如，如果您尝试使用超过1个特征列的回归，让我们说temp和humidity，您的输入将如下所示：

linreg.predict([[25, 56]])

我希望这会对您有所帮助，并始终牢记哪些是您数据的形状。

文档：LinearRegression fit

X：类似数组或稀疏矩阵，形状（n_samples，n_features）