machine-learning - 使用线性回归模型预测单个值时出现错误

Question

我是一个初学者，正在制作线性回归模型，当我根据测试集进行预测时，它工作得很好。但是当我尝试预测特定值的某些内容时。它给出了一个错误。我正在观看的教程，他们没有任何错误。

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)

# Visualising the Linear Regression results
plt.scatter(X, y, color = 'red')
plt.plot(X, lin_reg.predict(X), color = 'blue')
plt.title('Truth or Bluff (Linear Regression)')
plt.xlabel('Position level')
plt.ylabel('Salary')
plt.show()

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

ValueError:需要二维数组，却得到标量数组:数组=6.5。如果数据具有单个特征，则使用 array.reshape(-1, 1) reshape 数据；如果数据包含单个样本，则使用 array.reshape(1, -1) reshape 数据。

Answer 1

根据Scikit-learn documentation ，输入数组的形状应为 (n_samples, n_features)。因此，如果您想要一个具有单个值的示例，您应该期望输入的形状为 (1,1)。

这可以通过以下方式完成:

import numpy as np
test_X = np.array(6.5).reshape(-1, 1)
lin_reg.predict(test_X)

您可以通过执行以下操作来检查形状:

test_X.shape

这样做的原因是因为输入可以有许多样本(即您想要一次预测多个数据点)，或/和每个样本可以有许多特征。

注:Numpy是一个支持大型数组和矩阵的Python库。 When scikit-learn is installed, Numpy should be installed as well .