我尝试解决this problem 6 in this notebook。问题是使用sklearn.linear_model
的LogisticRegression模型,使用50、100、1000和5000个训练样本在此数据上训练一个简单的模型。
lr = LogisticRegression()
lr.fit(train_dataset,train_labels)
这是我试图做的代码,它给了我错误。
ValueError:找到dim为3的数组。估计器应为<= 2。
有什么想法吗?
更新1:更新Jupyter Notebook的链接。
发布于 2016-01-24 13:57:40
对于fit函数的训练数据集,scikit learn需要2dNum数组。您正在传递的数据集是一个3d数组,您需要将该数组重塑为2d。
nsamples, nx, ny = train_dataset.shape
d2_train_dataset = train_dataset.reshape((nsamples,nx*ny))
发布于 2020-08-16 17:19:30
在LSTM、GRU和TCN层中,Dence层之前的最后一层中的return_sequence必须设置为False。这是您遇到此错误消息的条件之一。
发布于 2021-07-04 19:28:06
如果有人在两个或更多时间序列中使用LSTM或任何RNN时遇到这个问题,这可能是一个解决方案。
但是,对于那些想要预测两个不同值之间误差的人,例如,如果您试图预测两个完全不同的时间序列,则可以执行以下操作:
from sklearn import mean_squared_error
# Any sklearn function that takes 2D data only
# 3D data
real = np.array([
[
[1,60],
[2,70],
[3,80]
],
[
[2,70],
[3,80],
[4,90]
]
])
pred = np.array([
[
[1.1,62.1],
[2.1,72.1],
[3.1,82.1]
],
[
[2.1,72.1],
[3.1,82.1],
[4.1,92.1]
]
])
# Error/Some Metric on Feature 1:
print(mean_squared_error(real[:,:,0], pred[:,:,0]) # 0.1000
# Error/Some Metric on Feature 2:
print(mean_squared_error(real[:,:,1], pred[:,:,1]) # 2.0000
https://stackoverflow.com/questions/34972142
复制相似问题