如何将标量数组转换为二维数组？答案

【问题标题】：How to convert scalar array to 2d array?如何将标量数组转换为二维数组？
【发布时间】：2019-07-30 11:36:40
【问题描述】：

我是机器学习的新手，在将标量数组转换为二维数组时遇到了一些问题。我正在尝试在 spyder 中实现多项式回归。这是我的代码，请帮忙！

# Polynomial Regression

# Importing the libraries
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

# Importing the dataset
dataset = pd.read_csv('Position_Salaries.csv')
X = dataset.iloc[:, 1:2].values
y = dataset.iloc[:, 2].values

# Fitting Linear Regression to the dataset
from sklearn.linear_model import LinearRegression
lin_reg = LinearRegression()
lin_reg.fit(X, y)

# Fitting Polynomial Regression to the dataset
from sklearn.preprocessing import PolynomialFeatures
poly_reg = PolynomialFeatures(degree = 4)
X_poly = poly_reg.fit_transform(X)
poly_reg.fit(X_poly, y)
lin_reg_2 = LinearRegression()
lin_reg_2.fit(X_poly, y)

# Predicting a new result with Linear Regression
lin_reg.predict(6.5)

# Predicting a new result with Polynomial Regression
lin_reg_2.predict(poly_reg.fit_transform(6.5))

ValueError：预期的 2D 数组，得到的是标量数组：array=6.5。如果您的数据有单个特征或 array.reshape(1, -1) 如果它包含单个样本。

【问题讨论】：

你在哪一行得到这个错误？

标签： python-3.x numpy machine-learning scikit-learn linear-regression

【解决方案1】：

您的代码的问题是 linreg.predict(6.5)。

如果您阅读错误声明，它会说模型需要二维数组，但是 6.5 是标量。为什么？如果你看到你的 X 数据是二维的，那么你想用你的模型预测的任何东西也应该有两个二维形状。这可以通过使用 .reshape(-1,1) 创建列向量（特征向量）或 .reshape(1,-1) 如果您有单个样本来实现。

为了预测我需要以与原始训练数据相同的方式准备数据。

如果您需要更多信息，请告诉我。

【讨论】：

【解决方案2】：

你必须将输入作为二维数组，因此试试这个！

lin_reg.predict([6.5])
lin_reg_2.predict(poly_reg.fit_transform([6.5]))

【讨论】：

【解决方案3】：

您只会在 Jupyter 中遇到此问题。要在 jupyter 中解析，请使用以下代码将值转换为 np 数组。

lin_reg.predict(np.array(6.5).reshape(1,-1))
lin_reg_2.predict(poly_reg.fit_transform(np.array(6.5).reshape(1,-1)))

对于 spyder，它的工作方式与您预期的一样：

lin_reg.predict(6.5)
lin_reg_2.predict(poly_reg.fit_transform(6.5))

【讨论】：