将数据集中的特征添加到函数中会导致“TypeError：无法将类型'ndarray'转换为分子/分母”答案

【问题标题】：Adding a feature from a dataset into a function causes "TypeError: can't convert type 'ndarray' to numerator/denominator"将数据集中的特征添加到函数中会导致“TypeError：无法将类型'ndarray'转换为分子/分母”
【发布时间】：2020-04-18 01:27:37
【问题描述】：

该任务要求您加载糖尿病数据集的一个特征并编写您自己的最适合训练数据的行。

我已经编写了所需的最佳拟合算法行，但是在尝试向其中添加训练数据时，我收到此错误：

"TypeError: 无法将类型 'ndarray' 转换为分子/分母"

import matplotlib.pyplot as plt
import numpy as np
from sklearn import datasets, linear_model
from statistics import mean

diabetes = datasets.load_diabetes()
diabetes_X = diabetes.data[:, np.newaxis, 2]

diabetes_X_train = diabetes_X[:-20] #creating the testing and training data 
diabetes_X_test = diabetes_X[-20:]

diabetes_y_train = diabetes.target[:-20]
diabetes_y_test = diabetes.target[-20:]

## The below code is where the issue is occurring 

xs = np.array(diabetes_X_train, dtype=np.float64)
ys = np.array([diabetes_y_train, dtype=np.float64)

##the algorithm to calculate the line of best  

def best_fit_slope_and_intercept(xs,ys):
    m = (((mean(xs)*mean(ys)) - mean(xs*ys)) /
         ((mean(xs)*mean(xs)) - mean(xs*xs)))

    b = mean(ys) - m*mean(xs)

    return m, b

m, b = best_fit_slope_and_intercept(xs,ys)

print(m,b)

我了解将所需数据转换为正确格式是个问题，但经过研究，我无法找到正确的方法。

感谢所有有关如何根据需要正确连接或转换训练数据的意见。

【问题讨论】：

标签： python machine-learning scikit-learn dataset linear-regression

【解决方案1】：

在我看来，处理数据的最佳格式是 DataFrame。您可以轻松地制作这样的数据框：

urdataframe={'headername': bestfitted}
urdataframe=pd.DataFrames(data=urdataframe)

然后您可以轻松地联系您的数据框，例如：

finaldata=pd.concat((traindata,urdataframe),axis=1)

您可以在 DataFrames 上执行所有机器学习功能，并且不太可能出错

【讨论】：

谢谢，您能补充一些上下文吗？ IE 在您的第二段代码中究竟会连接什么。
不客气！如果这不是您想要的答案，您需要提供额外信息

【解决方案2】：

例如，如果您的火车数据类似于：年龄性别糖 42 1 120 45 0 250 32 1 98

你的答案是这样的：回答是的不是的

所以在通过代码联系后，我提到它会是这样的：年龄性别糖答案 42 1 120 是 45 0 250 没有 32 1 98 是的

【讨论】：