Python 2.7 进行回归拟合时出现元组索引错误
我正在编写一个代码,使用numpy对数据进行线性单变量回归分析。我知道Python中的fit()函数使用了np.array(),但该程序给我带来了元组索引错误,我现在束手无策。这是我的密码:Python 2.7 进行回归拟合时出现元组索引错误,python-2.7,numpy,tuples,linear-regression,Python 2.7,Numpy,Tuples,Linear Regression,我正在编写一个代码,使用numpy对数据进行线性单变量回归分析。我知道Python中的fit()函数使用了np.array(),但该程序给我带来了元组索引错误,我现在束手无策。这是我的密码: def linear_model_main(X_parameter, Y_parameter, prediction_value): regression = linear_model.LinearRegression() regression.fit(X_parameter, Y_parameter, p
def linear_model_main(X_parameter, Y_parameter, prediction_value):
regression = linear_model.LinearRegression()
regression.fit(X_parameter, Y_parameter, prediction_value)
prediction_outcome = regression.predict(prediction_value)
predictions = {}
predictions['intercept'] = regression.intercept_
predictions['coefficient'] = regression.coef_
predictions['predicted_value'] = prediction_outcome
return predictions
X, Y = get_data(filename)
Xarr = np.array(X)
Yarr = np.array(Y)
predictionvalue = 70
result = linear_model_main(Xarr, Yarr, predictionvalue)
Xarr和Yarr是从csv文件中获取的单独数据列的np.Array,基本上是回归中的X和Y坐标值。打印时,它们的外观如下:
[ 7. 73. 49. ..., 56. 56. 56.]
[ 5863. 5860. 5860. ..., 5860. 5860. 5860.]
这是一个庞大的数据集(约130000行35列)。请显示完整的异常回溯,以便我们可以看到错误行。为什么要在回归中添加预测值?fit?您是否使用scikit learn?传递给
fit
的第三个值为。如果在此处用1
替换prediction\u值
,可能会解决您的问题。但是看到完整的回溯肯定会有助于查明问题,是的…@HaochenWu是的,我正在使用scikit。而且,我得到了相同的误差,没有预测误差。这是回溯:请显示完整的异常回溯,以便我们可以看到故障行。为什么要在回归中添加预测值?fit?您是否正在使用scikit learn?传递给fit
的第三个值为。如果在此处用1
替换prediction\u值
,可能会解决您的问题。但是看到完整的回溯肯定会有助于查明问题,是的…@HaochenWu是的,我正在使用scikit。而且,我得到了相同的误差,没有预测误差。以下是回溯: