Python 我一直得到这样的错误：“引用；ValueError:应为2D数组，但改为1D数组："；对于线性回归过程

我有两个阵列，它们是真应力和真应变。我想对他们的log10版本做一个线性回归，但我一直得到所说的错误

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:预期为2D数组，但实际为1D数组：

好吧，它就是它所说的。您正在输入一个1D数组，而您需要一个2D数组

log10为您提供一个数组，其中每个值都是您馈送的内容的日志（如果为负，则返回Nan检查），其形状与您馈送的内容相同

你不太清楚你想预测什么，所以我假设你想在这样的矩阵上做线性再网格[log_tStress，log_tStrain]，这样你就可以预测log_tStrain上的log_tStress（反之亦然）

我不能帮你很多，因为我不知道日志是什么或者它看起来是什么样子。我可以假设log_tStrain是您的培训数据。如果你想单独预测训练数据，你必须给它的矩阵另一个维度（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东西，那么也可能会起作用

.Fit需要以下参数：

X-训练数据[nr_样本，nr_特征]

y-所述目标的阵列形状

---

在这里，我将链接文档，以便您可以查看：

查看错误跟踪，查看您在哪个数组上出错，然后使用数组对其进行整形。整形[第一维度值，第二维度值]如果您粘贴错误跟踪，我会更具体。

您的

真实应力
和
真实应变
阵列的形状是什么？可能的重复项将在答案上展开。如果您只有一个功能，您可以将
log\u tStress
转换为2D数组，如下所示：
log\u tStress[：，None]
非常感谢您的回答。两个向量都是行向量。当我把一个向量转换成一个列向量时，它起作用了。是的，当我把一个向量重塑成一个列向量时，它起作用了；log_tStrain=log_tStrain.重塑（len（log_tStrain），1）非常感谢。