线性回归: ValueError: x和y必须具有相同的第一维，但具有形状(10，1)和(1，1)
线性回归是一种常见的统计学方法，用于建立一个线性模型来描述自变量和因变量之间的关系。它假设自变量和因变量之间存在线性关系，并通过最小化残差平方和来估计模型的参数。
在给定的问题中，出现了一个错误：ValueError: x和y必须具有相同的第一维，但具有形状(10，1)和(1，1)。这个错误是由于输入的自变量x和因变量y的维度不匹配导致的。具体来说，x的形状是(10，1)，而y的形状是(1，1)。
为了解决这个问题，我们需要确保x和y具有相同的第一维。可以通过以下几种方式来解决：
- 调整y的形状：将y的形状从(1，1)调整为(10，1)，使其与x的形状匹配。可以使用reshape()函数来实现这一点，例如：y = y.reshape(10, 1)。
- 调整x的形状：将x的形状从(10，1)调整为(1，10)，使其与y的形状匹配。同样可以使用reshape()函数来实现这一点，例如：x = x.reshape(1, 10)。
- 检查数据源：检查数据源，确保x和y的维度是正确的。可能是在数据准备过程中出现了错误，导致x和y的维度不匹配。
在解决了维度不匹配的问题后，可以继续进行线性回归分析。线性回归可以应用于许多领域，例如经济学、金融学、社会科学等，用于预测和分析变量之间的关系。
腾讯云提供了一系列与线性回归相关的产品和服务，例如：
- 云计算服务：腾讯云提供强大的云计算基础设施，包括云服务器、云数据库等，可以用于存储和处理线性回归所需的数据。
- 人工智能服务：腾讯云的人工智能服务包括机器学习平台、自然语言处理等，可以用于构建和训练线性回归模型。
- 数据分析服务：腾讯云提供数据分析平台和工具，可以用于对线性回归模型进行数据预处理、特征选择等操作。
具体的产品和服务详情可以参考腾讯云官方网站：腾讯云。
相关·内容
2回答
Sklearn线性回归
、、、
我想运行一个线性回归分析，使用Sklearn，下面是我的代码。我得到一个错误，上面写着“预期的二维数组，得到的一维数组”。
from sklearn.linear_model import LinearRegression
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
# import data from csv file and store it into a variable
data = pd.read_csv("Advertising.csv
浏览 0提问于2017-12-02得票数 0
回答已采纳
这是我的数据：
Sale Price Year Sold
48 395000.0 2015
1 260000.0 2015
50 425000.0 2016
30 2142000.0 2016
29 377011.0 2016
... ... ...
47 740000.0 2020
50 448208.0 2020
51 975000.0 2020
27 265000.0 2020
1 450000.0 2020
我试图拟合一条多项式回归线，但我得到了错误:ValueError: shapes (88,1)
浏览 0提问于2020-08-02得票数 0
我试图创建一个函数，用均方根误差为我的多项式回归模型找到最佳的n度，所以我不必一次又一次地手工拟合模型，然后绘制结果，但是我得到'x和y必须有相同的第一维，但是当我试图创建这个图时，有形状(10，1)和(1，‘)错误。
这是我的密码：
from sklearn.preprocessing import PolynomialFeatures
from sklearn.metrics import mean_squared_error
from sklearn.linear_model import LinearRegression
from math import sqrt
def po
浏览 1提问于2020-10-23得票数 0
回答已采纳
我试图使用sklearn包生成滚动回归，然后在使用matplotlib中绘制它们。
我已经能够产生滚动回归系数，但是附加输出会导致一个三维列表，我很难绘制。
下面的代码给出了以下错误：
ValueError: X和y不能大于二维，但具有形状(130，)和(130，1，5)
rCoeff = []
lm = sk_l.LinearRegression()
for iS in range(1, len(y)-(rollingN-1)):
iE = iS+(rollingN-1)
subX = X[iS:iE]
suby = y[iS:iE]
lm.fit
浏览 0提问于2018-09-27得票数 1
回答已采纳
1回答
我试图绘制一个图形，它将日期转换为浮动，用于线性回归算法，然后使用原始日期作为x轴标签的字符串。当我从csv文件中绘制实际值时，程序运行正常，但是当我绘制回归值时，我得到了引发ValueError的错误(f“x和y必须有相同的第一维，但是”ValueError: x和y必须有相同的第一维，但是有形状(60，)和(1，)
这是我的代码：
scaler = StandardScaler()
data = pd.read_csv('food.csv')
X = data['Date'].values
X = pd.to_datetime(X, e
浏览 4提问于2022-05-09得票数 0
x=[1,3,5,6,7,8,9]
y=[4,5,6,9,3,4,6]
def linear_model_main(X_parameters,Y_parameters,predict_value):
# Create linear regression object
regr = linear_model.LinearRegression()
regr.fit(x, y)
predict_outcome = regr.predict(predict_value)
predictions = {}
predictions['intercept'] = regr
浏览 15提问于2020-11-11得票数 0
2回答
随机森林拟合与评分中的二维阵列
、、、、
我试图拟合一个随机森林回归模型。以下是我遵循的步骤(请参阅下面的代码和注释)：
在对模型进行拟合之前，我已经开始对进行训练和测试--我已经将结果转换为数组--当回归者希望它们使用重塑函数时，我已经将它们重组为2D数组。
我得到了以下错误(似乎有一个一维数组，尽管我在开始时对它们进行了整形)：
ValueError: Expected 2D array, got 1D array instead:
array=[183. 27. 520. ... 23. 28. 34.].
Reshape your data either using array.reshape(-1, 1) if yo
浏览 4提问于2021-08-29得票数 0
1回答
我尝试用SVR和神经网络作为估计量，建立叠加回归量来预测多个输出，最后的估计量是线性回归。
print(X_train.shape) #(73, 39)
print(y_train.shape) #(73, 13)
print(X_test.shape) #(19, 39)
print(y_test.shape) #(19, 13)
def build_nn():
ann = Sequential()
ann.add(Dense(40, input_dim=X_train.shape[1], activation='relu', name="Hidden_
浏览 9提问于2022-02-22得票数 1
回答已采纳
2回答
纵火线性法中的多维输入？
、、、
在构造一个简单的感知器神经网络时，我们通常将格式(batch_size,features)输入的2D矩阵传递给二维权矩阵，类似于中的这种简单的神经网络。我总是假设神经网络的感知器/密集/线性层只接受2D格式的输入，并输出另一个2D输出。但最近，我遇到了这样一个模型:线性层接受三维输入张量，并输出另一个三维张量(o1 = self.a1(x))。
import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
class Net(nn.Module):
def
浏览 3提问于2019-10-28得票数 3
回答已采纳
从上面可以推断出，当我将一系列数据作为参数传递给线性回归模型时，它会抛出一个错误。
ValueError: Expected 2D array, got 1D array instead:
array=[2600 3000 3200 3600 4000].
Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample.
浏览 4提问于2020-08-15得票数 1
回答已采纳
1回答
我想使用卷积神经网络，但我有一个二维数组作为输入，而不是图像。我试图评估棋盘游戏的状态，其中形状是重要的。
板为5x5，值可以介于-1和1之间，存储为列表列表(例如：
[[-1,1.0,-1,1,-1],[0,1,0,0,0],[0,0,0,0,0],[0,0,0,0,0],[-1,0.6,-1,-1,1]]
模型的第一层是
tf.keras.layers.Conv2D(32, (3,3), input_shape=(5,5,1))
我将板转换成一个numpy数组。
np.array([[-1,1.0,-1,1,-1],[0,1,0,0,0],[0,0,0,0,0],[0,0,0,0,0],[
浏览 2提问于2020-10-31得票数 0
回答已采纳
我正在为LSTM input_shape这件事而挣扎。在这里，我做了一个简单的LSTM网络，应该进行培训，使输入加倍。
from keras.models import Sequential
from keras.layers import LSTM, Dense
import numpy as np
X = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
y = np.array([2, 4, 6, 8, 10, 12, 14, 16, 18, 20])
data_dim = 1
timesteps = 8
model = Sequential()
浏览 1提问于2018-02-25得票数 3
回答已采纳
3回答
考虑下面这个简单的例子：
X = numpy.zeros([10, 4]) # 2D array
x = numpy.arange(0,10) # 1D array
X[:,0] = x # WORKS
X[:,0:1] = x # returns ERROR:
# ValueError: could not broadcast input array from shape (10) into shape (10,1)
X[:,0:1] = (x.reshape(-1, 1)) # WORKS
有人能解释为什么numpy有形状为(N，)而不是(N,1)的向量吗？从一维数组到二
浏览 0提问于2013-08-26得票数 7
我正在尝试创建一个数据集来检查我的逻辑回归算法，但我无法从字典中创建熊猫DataFrame。我得到了一个‘数据必须是一维的’异常。
x1 = np.random.random(size=(10,1))*2
x2 = np.random.random(size=(10,1))*2
x3 = np.random.random(size=(10,1))*2 + 2
x4 = np.random.random(size=(10,1))*2 + 2
y0 = np.zeros(shape=(10,1))
y1 = np.ones(shape=(10,1
浏览 0提问于2019-04-13得票数 3
回答已采纳
2回答
线性回归值误差
、、、、
我一直在尝试使用滑雪板进行线性回归。有时我会得到一个值错误，有时它可以正常工作。我不知道该用哪种方法。错误消息如下：
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/sklearn/linear_model/base.py", line 512, in fit
y_
浏览 3提问于2017-05-15得票数 1
回答已采纳
3回答
如何使CNN预测一个连续值？
、、、、
我理解卷积、最大池和密集度的维数作为步长和核大小的函数。但我很难理解如何使用这些层来最终得到我的最终预测，这应该是一个连续变量。
下面是我正在做的工作：
X训练:n2通道尺寸为46x46x46的三维网格，形状：(n，46，46，46，2)
Y训练:n元连续值向量，形状：(n，)
我可以想象会有一些调整和连接。但如果我不明白它在做什么，那就没有意义了。
浏览 0提问于2018-01-23得票数 5
当我试图适应这个模型时，我面临着一些问题。当我尝试使用LogisticRegression、朴素贝叶斯或svm模型时，就会发生这种情况。但是，当我使用随机森林回归或决策树时，我会得到结果。
错误说：
ValueError: y应该是一个一维数组，而不是一个形状数组(20799,100)。
解决方案是在拟合模型时使用y_train.ravel()。但是，再次出现以下错误：
发现输入变量的样本数不一致: 14559,1455900
这是我的密码：
import pandas as pd
import numpy as np
from sklearn.linear_model import
浏览 2提问于2020-07-29得票数 0
我有一个简单的CSV，有两列：
ErrorWeek (一年中周数的数字)
ErrorCount (用于给定周内的错误数)
我把CSV的数据读成了熊猫的数据，如下所示：
df = pd.read_csv("Errors.csv", sep=",")
df.head()显示：
ErrorWeek ErrorCount
0 1 80
1 2 118
2 3 249
3 4 397
4 5
浏览 0提问于2017-12-11得票数 4
回答已采纳
1回答
具有k个预测因子X1、X2、.、Xk和响应Y的多元线性回归模型可以表示为y=β0 +β1X1 +β2X2 +··βkXk +“。
我按照这里的教程使用tf.keras进行基本回归。。是否可以输出β变量，以便检查它们如何对响应作出贡献？
顺便说一下，本教程构建的模型如下所示：
def build_model():
model = keras.Sequential([
layers.Dense(64, activation='relu', input_shape=[len(train_dataset.keys())]),
layers.Dense(64, act
浏览 3提问于2020-06-02得票数 0
回答已采纳
3回答
对于使用sklearn和python进行数据分析，我还是比较陌生的，并且尝试在我从.csv文件中加载的数据集上运行一些线性回归。
我已经将数据加载到train_test_split中，没有任何问题，但是当我试图匹配我的训练数据时，我会收到一个错误ValueError: Expected 2D array, got 1D array instead: ... Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it cont
浏览 0提问于2018-03-27得票数 0
回答已采纳
我正在使用keras调谐器来优化超参数:隐藏层、神经元、激活函数和学习率。我有31个输入，32个输出，N个数据样本的时间序列回归问题。
我的原始X_train形状是(N,31)，Y_train形状是(N,32)。我将其转换为keras形状，并重塑X_train和Y_train，如下所示: X_train.shape：(N,31,1) Y_train.shape：(N,32)。
在上面的代码中，X_train.shape(1)是31，Y_train.shape(1)是32。当我使用超参数调整时，它显示ValueError:层lstm_1的输入0与层不兼容:期望的ndim=3，发现ndi
浏览 8提问于2021-04-25得票数 1
1回答
向量线性回归
、、、
我有两个向量：
X -属维数N的输入向量
Y -与X (N)相同维数的输出向量
这些向量是通过以下方式联系起来的：
Y = FX
其中F是一个线性变换，但它是未知的。可能，我可以使用大量的X和Y构建数据集。有一种通过线性回归/神经网络寻找F的方法。还没有定义向量大小，但它很大(超过1000个元素)。
有人能帮我找到一些关于如何用机器学习来解决这个问题的参考吗？我已经寻找多元线性回归，但它指向多变量而不是向量。
浏览 5提问于2021-02-03得票数 0
回答已采纳
#splitting the dataset into dependent(y) and independent variable(x)
x = training_data.iloc[:,[0,2,3,4,5,6,7]].values
y = training_data.iloc[:,1].values
from sklearn.model_selection import train_test_split
x_train,y_train,x_test,y_test = train_test_split(x,y,test_size = 0.3,random_state = 0)
from sk
浏览 3提问于2022-04-11得票数 0
我有200张尺寸为28x28的图像的训练数据集，我将其存储在train_dataset中，形状为200 x (28 * 28 ).Labels是形状为200的一维。即培训：(200，28，28) (200 )
我需要将这些训练数据拟合成物流回归模型中的训练数据。 fit (train_dataset，train_label)，但是fit(X，y，sample_weight=None)的拟合参数有数组(X).dim< 2和数组(Y).dim<2。
那么，除了缩小train_dataset之外，还有其他选择吗?但是它需要很大的空间，即尺寸为200x (28 * 28)的2d数组，也可以
浏览 7提问于2016-07-17得票数 1
我试图为下面的方程t_t <= (xi_i - xi_j)绘制三维曲面图。平方吨(Rho)我已经包括了我的密码。但是我想在这个曲面图下标记或遮住这个区域。我该怎么解决呢？
[X,Y] = meshgrid(1:0.5:10,1:20);
Z = X.* sqrt(Y);
figure;
colormap(jet)
surf(X,Y,Z)
colorbar
xlabel('Distance between two spatial points \xi_i & \xi_j (\xi_i - \xi_j)');
ylabel('Density(\
浏览 1提问于2019-05-29得票数 6
回答已采纳
1回答
我使用以下代码定义了一个暹罗Keras模型：
image1 = Input(shape=(128,128,3))
image2 = Input(shape=(128,128,3))
mobilenet = keras.applications.mobilenet.MobileNet(
input_shape=(128,128,3),
alpha=0.25,
depth_multiplier=1,
dropout=1e-3,
include_top=False,
weights='
浏览 2提问于2017-10-25得票数 1
回答已采纳
我今天开始学习Sklearn，想用一个X值建立一个简单的回归模型，然后用这个模型来预测接下来的5个Y值。
我一直收到以下错误：
ValueError: Expected 2D array, got 1D array instead:
array=[ 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20].
Reshape your data either using array.reshape(-1, 1) if your data has a single feature or
array.reshape(1, -1) if
浏览 0提问于2020-08-09得票数 0
2回答
我想在我的数据上创建一个线性回归。
我已经尝试将我的数据帧重塑为数组。我已经回答了以下问题：
import numpy as np
from sklearn.linear_model import LinearRegression
X = df_ind["ppentq"]
y = df_ind["xsgay"]
z = df_ind['revtq']
reg = LinearRegression().fit(x, y)
reg.score(X, y)
我得到的错误是: ValueError:预期是2D数组，而是1D数组: array
浏览 0提问于2019-08-25得票数 0
我试着用most_frequent策略用简单的计算机输入形状为(14599)的一维数组，但它说它需要2D数组，我已经尝试过重塑它(-1,1)和(1，-1)，但它的错误ValueError:无法将输入数组从形状(14599,1)广播到形状(14599)，既然重塑不能解决问题，我如何推断呢？我不明白为什么它会抛出错误。我已经在中尝试过了，有人回答可能是熊猫系列，但我在numpy数组中创建了x，y，然后将其传递到X，y/，test的参数中，所以我不确定
##libraries
import pandas as pd
import seaborn as sns
import numpy as np
i
浏览 27提问于2020-03-01得票数 2
回答已采纳
1回答
我在试着跟踪。
TensorFlow刚出来，我真的在试着理解它。我熟悉惩罚线性回归，如拉索，岭和ElasticNet及其在scikit-learn中的使用。
对于scikit-learn拉索回归，我所需要输入的回归算法是DF_X和M维属性矩阵(pd.DataFrame)，SR_y是一个M维目标向量(pd.Series)。对于我来说，TensorFlow中的TensorFlow结构有点新，我不知道如何将我的输入数据构造成它想要的。
似乎softmax回归是用于分类的。我如何重组我的DF_X SR_y (M属性矩阵)和SR_y (M维目标向量)，输入到 tensorflow 中进行线性回归？
我目
浏览 0提问于2015-11-13得票数 17
回答已采纳
我有一个数据集，有53个自变量(X)和1个因变量(Y)。
因变量是布尔值(1或0)，而独立集由连续变量和离散变量组成。
我计划使用pandas.DataFrame.corr()列出输出Y的最有影响的变量。
corr可以是：
皮尔逊回归
肯德尔回归
spearman回归
三种方法得到了不同的结果。
考虑到数据集的形状(discrete+continuos)，您是否建议哪一个最适合？
浏览 2提问于2018-10-22得票数 0
2回答
我有这样的数据：
我试着做一个简单的线性回归模型。
这是我的代码：
from sklearn.linear_model import LinearRegression
X = df[['Date']]
y = df['ACP Cleaning']
model = LinearRegression()
model.fit(X, y)
X_predict = [['2021-1-1']]
y_predict = model.predict(X_predict)
这是我的错误：
ValueError:无法使用dtype=‘数值’将
浏览 3提问于2021-09-28得票数 0
回答已采纳
我有两个数组，分别是true_stress和true_strain。我想对他们的log10版本进行线性回归，但我一直收到上述错误。
from sklearn.linear_model import LinearRegression
log_tStress = np.log10(true_stress)
log_tStrain = np.log10(true_strain)
regressor = LinearRegression()
regressor.fit(log_tStrain, log_tStress)
predict = regressor.predict(log_tStrain)
浏览 0提问于2018-08-06得票数 2
1回答
我对神经网络都很陌生。我有一个三维关节位置数据集(6400*23*3)和四元数方向数据集(6400*23*4)，我想预测所有22个关节和3个运动平面(6400* 22 *3)的关节角度。我试图建立一个模型，但是它不会运行，因为输入数据与输出形状不匹配，我也想不出如何更改它。
我的代码
import scipy
import numpy as np
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Conv1D, MaxPooling2D, Dense, Flatten
from
浏览 1提问于2019-11-01得票数 0
回答已采纳
1回答
当输入用傅里叶变换表示时，我试图预测输入的响应。这些特征通常表示为向量，x_1,x_2,...,x_d，其中d是傅里叶变换的长度。根据我的理解，每个这样的d维向量都可以作为回归模型的输入。输出是y_1，它是一个标量实数，另一个输出y_2表示另一个标量实数。这些都是因变量。我有N数的d维数，傅里叶变换的例子，每一个被y_1和y_2标记。
问题1)当任务是用输入傅里叶变换预测一个输出响应时，那么这个问题被称为单变量回归吗？是由输入的维度(即d>1)或输出的维度(即1)关联的单变量
问题2)当任务是共同预测两个响应变量-- y_1和y_2时，这个问题被称为多元回归吗？
浏览 0提问于2019-12-30得票数 3
回答已采纳
我有一组自变量为x和y的数据，现在我正在尝试建立一个二维回归模型，它有一个回归曲面来切割我的数据点。然而，我找不到实现这一点的方法。有人能给我一些帮助吗？
浏览 0提问于2013-06-27得票数 0
我是新来的ML，如果能提供任何帮助，我将不胜感激。我使用测试集A和训练集A运行了线性回归预测。我保存了线性回归模型，现在希望使用相同的模型来使用测试集B中的特性来预测测试集A目标。每次运行该模型时，它都会抛出下面的错误。
如何从不同形状的特性和目标成功地预测测试数据集？
Input
print(testB.shape)
print(testA.shape)
Output
(2480, 5)
(1315, 6)
Input
saved_model = joblib.load(filename)
testB_result = saved_model.score(testB_features,
浏览 0提问于2018-10-10得票数 0
我想计算一个符合y= f(X)的回归器f()，其中y具有形状标签，即不同属性的n_outputs组件/标签，而不是传统的形状(n_samples, n_outputs)
可以处理后一种情况。它有能力处理前者吗？
显然，我可以堆叠第三维的列，这样y就有了形状n_samples, n_attribs x n_outputs，但为了更好地理解，我想保留原来的形状。
是否仍然可以使用sklearn执行回归？我是否应该查看其他包，如Tensorflow/keras？
谢谢，E CM
浏览 2提问于2020-12-11得票数 1
我有femalesucide数组的size (4,180)和HDIar数组的size(4,180)。我运行了OLS回归，但是当我试图获得模型摘要时，它会出现错误。
femalesucide=np.array([femalesuiciderate2000,femalesuiciderate2005,femalesuiciderate2010,femalesuiciderate2015])
HDIar=np.array([HDIRank2000,HDIRank2005,HDIRank2010,HDIRank2015])
model4=sm.OLS(femalesucide,HDIar).fit()
浏览 1提问于2019-04-16得票数 0
我使用以下代码创建分类器：
regressor = LogisticRegression()
regressor.fit(x_train, y_train)
x_train和y_train形状都是
<class 'tuple'>: (32383,)
x_train包含范围[0..1]周围的值，y_train只包含0和1的值。
不幸的是，fit失败时出错
ValueError: Found input variables with inconsistent numbers of samples: [1, 32383]
在论点中增加转置没有帮助。
浏览 3提问于2017-07-07得票数 0
回答已采纳
2回答
我试图使用GPflow进行多维回归。但我对均值和方差的形状感到困惑。例如:一个二维输入空间X的形状(20,20)应该被预测.我的训练样本是形状(8,2)，这意味着8个训练样本的整体两个维度。Y-值是形状(8,1)，当然，这意味着每两个输入维组合的地面真相的一个值。如果我现在使用model.predict_y(X)，我希望得到一个形状的平均值(20,20)，但得到的形状是(20,1)。方差也是如此。我认为这个问题来自y-值的形状，但我不知道如何解决它。
bound = 3
num = 20
X = np.random.uniform(-bound, bound, (num,num))
print
浏览 1提问于2019-02-01得票数 3
回答已采纳
1回答
我使用的是keras，当我尝试model.fit时，它会抛出一个错误，因为X_Train和Y_Train输入的形状不兼容。
我拥有的数据是一个由10个输入和1个输出组成的系统。我使用数据的9次迭代作为测试，所以我有一个包含9个向量的列表，形状为10，1，所以可以理解，X_Train.shape = 9，10，1。我的输出是一个由9个值组成的列表，使得Y_Train.shape = 9,1。然而，我得到了这样的错误：
tensorflow.python.framework.errors_impl.InvalidArgumentError: Incompatible shapes: [9,1] v
浏览 0提问于2019-07-27得票数 0
回答已采纳
我是ggplot2新手，在显示整个数据集的回归线和组的回归线时遇到了问题。到目前为止，我可以根据组绘制回归线，但我没有成功地在同一图上获得整个数据集的回归线。我希望所有的回归线都有不同的线条样式，这样它们就可以很容易地在黑白打印中被识别出来。任何帮助都将不胜感激。到目前为止，我的代码如下：
ggplot(alldata,aes(y = y, x = x, colour= group, shape= group )) +
geom_point(size = 3, alpha = .8) + geom_smooth(method="lm", fill=NA , size = 1)
浏览 14提问于2012-10-17得票数 6
回答已采纳
1回答
我对pytorch还是个新手，只是想用我自己的数据集做一个简单的线性回归模型。我也只使用数值作为输入。 ? 我已从CSV导入数据 dataset = pd.read_csv('mlb_games_overview.csv') 我将数据拆分为四个部分: X_train、X_test、y_train、y_test X = dataset.drop(['date', 'team', 'runs', 'win'], 1)
y = dataset['win']
X_train, X_test, y_
浏览 39提问于2019-10-06得票数 0
回答已采纳
在实践简单线性回归模型时，我收到了这个错误；我假设我的数据集有问题。下面是错误ValueError:预期的2D数组，got 1D数组，而不是: array=1140。1635。1755。1354.1978年。1696。12122736。1055。2839.2325。1688。2733。2332。2159。2133..。
这是我的
这里的代码
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
from sklearn import linear_model
from sklearn.model_selec
浏览 9提问于2022-08-30得票数 0
1回答
我正在尝试为我的10维数据集生成一个网格，同时遵循中的代码。我正在实现并抛出错误的代码是：
ticks = arange(-3.,6.,0.2)
X, Y = meshgrid(ticks, ticks)
# need column vectors in dataset, not arrays
griddata = ClassificationDataSet(10,1, nb_classes=3)
for i in xrange(X.size):
griddata.addSample([X.ravel()[i],Y.ravel()[i]], [0])
我得到的错误是：
浏览 0提问于2012-04-27得票数 1
回答已采纳
1回答
当构造NN时，未定义批大小，使用位置保持器，其汇总(Tensorfow)显示批次大小为无。
这很有用，因为以后可以更改批处理大小。
当模型具有10个输入特征，1个隐层具有10个神经元和输出层时，隐藏层的形状为(0，10)，即当批数为20时，隐藏层的形状为(20，10)。
当模型被用来预测单个输出的形状(10，1)时，数学是如何工作的？
浏览 0提问于2020-11-13得票数 0
回答已采纳
我想构建一个deep RNN，在这里我的x_train和y_train。当我执行以下代码时：
print(X_train_fea.shape, y_train_fea.shape)
X_train_res = np.reshape(X_train_fea,(10510,10,1))
y_train_res = np.reshape(y_train_fea.to_numpy(),(-1,1))
print(X_train_res.shape, y_train_res.shape)
结果：
(10510, 10) (10510,)
(10510, 10, 1) (10510, 1)
和
model
浏览 0提问于2021-01-12得票数 0
回答已采纳
1回答
我正在做三件事：
二维数据的线性回归
采用线性分类的分类方法
用logistic回归进行分类
我对数据的缩放感到困惑。我的问题是，我不确定我是否正确地缩放我的数据。此外，我想改变我的表面图形在matlab中的外观。
数据为二维(x和y)，x为15000到80000，y为1000至5500。
采用线性回归方法，得到1类和0级的两条回归曲线。为此，我对数据进行了缩放，计算了权重，并在图片中没有缩放的数据上使用了缩放数据的权重。我想这是正确的，因为权重只是定义斜率。但是，只要在下面的图像中将数据从0缩放到1，数据就无法分离。
现在，我感到困惑的是，我何时应该缩
浏览 1提问于2016-03-06得票数 0
回答已采纳
我试着用一个X变量和一个Y变量做一些基本的学习。单列我预测，我必须把X转换成二维数组。现在我想预测一个值，但是我的模型只允许我预测长度为32的数组。
import pandas as pd
from sklearn.ensemble import RandomForestClassifier
import numpy as np
df = pd.read_csv("https://gist.githubusercontent.com/seankross/a412dfbd88b3db70b74b/raw/5f23f993cd87c283ce766e7ac6b329ee7cc2e1d1/
浏览 0提问于2020-11-17得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
