Python 线性回归诉Scikitlearn（线性回归）

这是我的场景

data = [[25593.14, 39426.66],
        [98411.00, 81869.75],
        [71498.80, 62495.80],
        [38068.00, 54774.00],
        [58188.00, 43453.65],
        [10220.00, 18465.25]]

关于数据是我的数据模型

x-cordinates指“工资” y-科迪酸盐指“费用”

当我给出“工资”即X坐标时，我想预测费用

这是我的示例代码。请帮帮我

from sklearn.linear_model import LinearRegression

data = [[25593.14, 39426.66],
        [98411.00, 81869.75],
        [71498.80, 62495.80],
        [38068.00, 54774.00],
        [58188.00, 43453.65],
        [10220.00, 18465.25]]

salary=[]
expenses=[]

for dataset in data:
    # import pdb; pdb.set_trace()
    salary.append(dataset[0])
    expenses.append(dataset[1])

model = LinearRegression()
model.fit(salary, expenses)
prediction = model.predict([10200.00])
print(prediction)

我得到的错误：

ValueError: Expected 2D array, got 1D array instead:
array=[ 25593.14  98411.    71498.8   38068.    58188.    10220.  ].
Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample

---

快速修复，更换此线路

model.fit(np.array([salary]), np.array([expenses]))

---

X应该是数组的数组，

array（[arr1，arr2，array3，…]）

arr1和arr2的数组至少有一个特性，对于y，它应该是一个包含值列表的数组

array[label1，label2，label3，…]

快速修复，替换此行

model.fit(np.array([salary]), np.array([expenses]))

---

X应该是数组的数组，

array（[arr1，arr2，array3，…]）

arr1和arr2是至少具有一个特征的数组，对于y，它应该是一个包含值列表的数组，

array[label1，label2，label3，…]

，如注释所示，类似这样的方式将是处理要输入到scikit学习模型中的数据的更好方式。可以看到另一个例子

---

正如评论所建议的那样，使用类似这样的方式处理您希望输入到scikit学习模型中的数据是一种更好的方式。可以看到另一个例子

---

问题是什么？编辑了我的问题错误告诉你该做什么以及问题是什么（这里可能还有5个关于这个错误的问题）。我强烈建议阅读sklearn的文档，看看需要什么形状。在那之后，阅读一些numpy文档，不要做你正在做的事情！除此之外，此行的第一个参数：

model.fit（salary，expenses）

是发生错误的地方，它需要第一个参数“X”的培训数据矩阵。请问问题出在哪里？编辑了我的问题错误告诉你该怎么做以及问题出在哪里（这里可能还有5个关于这个错误的问题）。我强烈建议阅读sklearn的文档，看看需要什么形状。在那之后，阅读一些numpy文档，不要做你正在做的事情！除此之外，此行的第一个参数：

model.fit（salary，expenses）

是发生错误的地方，它需要第一个参数“X”的培训数据矩阵。谢谢你的帮助谢谢你的帮助