将二维数组传递给线性回归(SkLearning)

本文介绍了将二维数组传递给线性回归(SkLearning)的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！ 问题描述

我要将二维数组传递给线性回归：

x = [[1, 0, 1, 0, 0, 0, 1, 1, 1, 1, 0, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 1, 0, 0, 1, 3, 1, 1, 0, 0, 0, 0, 1, 0, 0, 1], [0, 0, 0, 0, 0, 0, 0, 0, 1, 0], [0, 0, 0, 0, 0, 1, 1, 0, 0, 3]] y = [3.9857, 3.6877, 3.6877] x = numpy.array(x) y = numpy.array(y) model = LinearRegression(z,y).fit(z,y)

我没有使用RESHAPE(-1，1)，因为它将2D数组转换为3D

但我收到错误：

ValueError: setting an array element with a sequence TypeError: float() argument must be a string or a number, not 'list'

如何才能正确地将二维数组传递给线性回归？

推荐答案

作为注释键入有点长，因此如果您在转换为Numpy数组之前查看x：

print([len(i) for i in x]) [36, 10, 10]

和y的长度为3。可以进行线性回归，但每个观察值的自变量需要具有相同数量的变量。

在您的情况下，列表x的第一个元素应该像其他元素一样具有10个条目。

例如：

import numpy as np from sklearn import linear_model clf = linear_model.LinearRegression() # take the first ten exo = np.array([i[:10] for i in x]) # fit clf.fit(exo,np.array(y)) clf.coef_ array([ 8.12727273e-02, -6.93889390e-18, 8.12727273e-02, 0.00000000e+00, 0.00000000e+00, -2.70909091e-02, 5.41818182e-02, 8.12727273e-02, 2.70909091e-02, 0.00000000e+00])

您得到10个系数，x的每列一个系数。