使用sklearn进行线性回归
使用sklearn进行线性回归
提问于 2020-04-23 10:21:35
我有一个用数据拟合的模型，但在使用预测功能时遇到了问题。
d = {'df_Size': [1, 3, 5, 8, 10, 15, 18], 'RAM': [3676, 6532, 9432, 13697, 16633, 23620, 27990]}
df = pd.DataFrame(data=d)
df
X = np.array(df['df_Size']).reshape(-1, 1)
y = np.array(df['RAM']).reshape(-1, 1)
model = LinearRegression()
model.fit(X, y)
print(regr.score(X, y))
then when I try to predict on
X_Size = 25
X_Size
prediction = model.predict(X_Size)我得到以下错误
ValueError:应为2D数组，但获得了标量数组: array=25。如果数据只有一个要素，则使用array.reshape(-1，1)重塑数据形状；如果数据包含单个样本，则使用array.reshape(1，-1)重塑数据。
我认为我以错误的格式传递了25，但考虑到这25行，我需要一些帮助来获得Ram的响应。
谢谢,
回答 1
Stack Overflow用户
发布于 2020-04-24 21:20:49
您需要传递相同形状的predictor (基本上是1列)：
X.shape
Out[11]: (7, 1)您可以执行以下操作：
model.predict(np.array(25).reshape(1,1))页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/61378285
复制相关文章
相似问题
腾讯云开发者
