我有 2 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)
ValueError:预期的二维数组,得到的是一维数组:
请您参考如下方法:
好吧,它有点像它所说的那样。您在需要二维阵列的地方提供一维阵列。
Numpy.log10 给你一个数组,其中每个值都是你输入的任何东西的日志(如果它是负数,它返回 Nan 检查)与你输入的任何东西的形状相同。
你不太清楚你想要预测什么,所以我假设你想对这样的矩阵进行线性回归 [log_tStress, log_tStrain] 这样你就可以预测 log_tStress over log_tStrain(反之亦然)
鉴于我对 log_tStress 是什么或它的外观一无所知,我帮不了你多少。我可以假设 log_tStrain 是您的训练数据。如果你想单独预测训练数据,你必须给它矩阵的另一个维度(与训练数据相关的东西)但是如果你没有关于该索引的任何内容也可能有效
.Fit 需要您这些参数:
X - 训练数据 [nr_samples, nr_features]
y - 所述目标的数组形状
我将在此处链接文档,以便您查看:http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LinearRegression.html
