使用 sklearn 和线性回归时出错：形状 (1,16) 和 (1,1) 未对齐：16 (dim 1) != 1 (dim 0)

我想了解机器学习，我偶然发现了 youtube Siraj 和他的 Udacity 视频，并想尝试学习一些东西。

他的视频参考：

在他的视频中，他导入并读取了一个txt文件，但是当我尝试重新创建txt文件时，它无法正确读取。相反，我尝试使用相同的数据创建一个 pandas 数据框并对其执行线性回归/预测，但随后出现以下错误。

发现输入变量的样本数量不一致：[1, 16] 以及有关传递一维数组的信息，我需要重新调整它们。

然后当我尝试按照这篇文章重塑它们时：Sklearn：ValueError：发现输入变量的样本数量不一致：[1, 6] https://stackoverflow.com/questions/44181664/sklearn-valueerror-found-input-variables-with-inconsistent-numbers-of-samples

我收到这个错误......

形状 (1,16) 和 (1,1) 未对齐：16 (dim 1) != 1 (dim 0)

这是我的代码在下面。我知道这可能是一个语法错误，我只是还不熟悉这个 scklearn 并且需要一些帮助。

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
from sklearn import linear_model

#DF = pd.read_fwf('BrainBodyWeight.txt')
DF = pd.DataFrame()
DF['Brain'] = [3.385, .480, 1.350, 465.00,36.330, 27.660, 14.830, 1.040, 4.190, 0.425, 0.101, 0.920, 1.000, 0.005, 0.060, 3.500 ]

DF['Body'] = [44.500, 15.5, 8.1, 423, 119.5, 115, 98.2, 5.5,58, 6.40, 4, 5.7,6.6, .140,1, 10.8]

try:
    x = DF['Brain']
    y = DF['Body']

    x = x.tolist()
    y = y.tolist()

    x = np.asarray(x)
    y = np.asarray(y)


    body_reg = linear_model.LinearRegression()
    body_reg.fit(x.reshape(-1,1),y.reshape(-1,1))
    plt.scatter(x,y)
    plt.plot(x,body_reg.predict(x))
    plt.show()
except Exception as e:
    print(e)

谁能解释一下为什么 sklearn 不喜欢我的输入？？？

From 文档 http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LinearRegression.html#sklearn.linear_model.LinearRegression.fitLinearRegression.fit() 需要一个 x 数组[n_samples,n_features]形状。这就是为什么你要重塑你的x调用 fit 之前的数组。因为如果不这样做，您将得到一个形状为 (16,) 的数组，该数组不符合要求[n_samples,n_features]形状，没有n_features given.

x = DF['Brain']
x = x.tolist()
x = np.asarray(x)

# 16 samples, None feature
x.shape
(16,)

# 16 samples, 1 feature
x.reshape(-1,1).shape
(16,1)

同样的要求也适用于线性回归.predict http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LinearRegression.html#sklearn.linear_model.LinearRegression.predict函数（也是为了一致性），您只需要在调用预测函数时进行相同的整形即可。

plt.plot(x,body_reg.predict(x.reshape(-1,1)))

或者你也可以重塑x调用任何函数之前的数组。

对于功能参考，您只需调用即可轻松获取内部 numpy 数组值DF['Brain'].values。您不需要将其转换为 list -> numpy 数组。所以你可以只使用它而不是所有的转换：

x = DF['Brain'].values.reshape(1,-1)
y = DF['Body'].values.reshape(1,-1)

body_reg = linear_model.LinearRegression()
body_reg.fit(x, y)