使用 sklearn 进行线性回归答案

【问题标题】：Linear Regression using sklearn使用 sklearn 进行线性回归
【发布时间】：2020-08-06 06:01:01
【问题描述】：

我有一个适合数据的模型，但无法使用预测功能。

d = {'df_Size': [1, 3, 5, 8, 10, 15, 18], 'RAM': [3676, 6532, 9432, 13697, 16633, 23620, 27990]}
df = pd.DataFrame(data=d)
df

X = np.array(df['df_Size']).reshape(-1, 1) 
y = np.array(df['RAM']).reshape(-1, 1) 
model = LinearRegression() 
model.fit(X, y) 
print(regr.score(X, y))

then when I try to predict on 

X_Size = 25
X_Size

prediction = model.predict(X_Size)

我收到以下错误

ValueError: 预期的二维数组，得到的是标量数组：数组=25。如果您的数据具有单个特征，则使用 array.reshape(-1, 1) 重塑您的数据，如果数据包含单个样本，则使用 array.reshape(1, -1)。

我认为我以错误的格式传递了 25，但考虑到 25 行，我希望在获取 Ram 的响应方面得到一些帮助。

谢谢，

【问题讨论】：

标签： regression prediction sklearn-pandas

【解决方案1】：

您需要以相同的形状（基本上是 1 列）传递预测器：

X.shape                                                                 
Out[11]: (7, 1)

你可以这样做：

model.predict(np.array(25).reshape(1,1))

【讨论】：