import pandas as pd
import numpy as np
from sklearn import linear_model
import matplotlib.pyplot as plt
df = pd.read_csv('homeprices.csv')
plt.xlabel('area')
plt.ylabel('price')
plt.scatter(df.area,df.price,color='red',marker='.')
reg = linear_model.LinearRegression()
reg.fit(df.area,df.price)
错误信息：
ValueError：预期的2D数组，而是1D数组：array = [2600 3000 3200 3600 4000]。如果数据具有单个功能，则使用array.reshape（-1，1）重整数据；如果包含单个样本，则使用array.reshape（1，-1）重整数据。
如果我将其编写为：
reg.fit(df[['area']],df.price)
我想知道其背后的原因，因为第二个参数作为df.price传递。
我的csv文件：
从文档中，变量x应该声明为
形状为{{n_samples，n_features）的X {类似数组，稀疏矩阵}
当您声明：
x = df.area或x = df['area']将x成为Series类型与尺寸(n,)。大小应为(n, z)，其中z可以是任何正整数。
x = df[['area']]的x将变得DataFrame类型与尺寸(5, 1)，这使得一个x可接受的输入。
y = df.price的y将变得Series类型与尺寸(5,)其中s可接受的输入。
y：形状类似数组（n_samples，）
但如果我是你，我声明x，并y为：
x = [[i] for i in df['area']]
y = [i for i in df['price']]
这使得x和y作为list结构并将大小设置为(5, 1)，因此将来如果您想在任何ML库（tensorflow，pytorch，keras等）中运行，都不会遇到任何困难。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句