Python 应为2D数组，但改为1D数组：数组=[1 3 5 6 7 8 9]？

我在调用fit函数时遇到了这个错误：

regr.fit（x，y）

ValueError:应为2D数组，而应为1D数组： 数组=[1 3 5 6 7 8 9]。

---

使用数组重塑数据。如果数据具有单个特征或数组，则重塑（-1，1）。如果数据包含单个样本，则重塑（1，-1）。

以下是更正的代码：

x=[1,3,5,6,7,8,9]
y=[4,5,6,9,3,4,6]

def linear_model_main(X_parameters,Y_parameters,predict_value):
 
 # Create linear regression object
 regr = linear_model.LinearRegression()
 regr.fit(x, y)
 predict_outcome = regr.predict(predict_value)
 predictions = {}
 predictions['intercept'] = regr.intercept
 predictions['coefficient'] = regr.coef
 predictions['predicted_value'] = predict_outcome
 predicted_value = predict_outcome
 #return predicted_value
 return predictions



predictvalue = 7000
result = linear_model_main(x,y,predictvalue)
print ("Intercept value " , result['intercept'])
print ("coefficient" , result['coefficient'])
print ("Predicted value: ",result['predicted_value'])

你犯了几个错误，我将在下面解释：

1-首先，您需要将输入转换为NumPy数组，而不是使用1×n数组，您需要n×1数组。您得到的错误就是因为这个（这就是scikit学习模型的设计方式）

2-秒，您错过了属性名称末尾的下划线，如“intercept\ux”

3-预测值也应为n×1数组

解决这些问题后，结果如下（点为输入，虚线为线性模型）：

编辑：这是绘图的代码：

from sklearn import linear_model
import numpy as np

x=[1,3,5,6,7,8,9]
y=[4,5,6,9,3,4,6]

def linear_model_main(X_parameters,Y_parameters,predict_value):
    # Create linear regression object
    regr = linear_model.LinearRegression()
    regr.fit(np.array(x).reshape(-1,1), np.array(y).reshape(-1,1))
    predict_outcome = regr.predict(np.array(predict_value).reshape(-1,1))
    predictions = {}
    predictions['intercept'] = regr.intercept_
    predictions['coefficient'] = regr.coef_
    predictions['predicted_value'] = predict_outcome
    predicted_value = predict_outcome
    #return predicted_value
    return predictions



predictvalue = 7000
result = linear_model_main(x,y,predictvalue)
print ("Intercept value " , result['intercept'])
print ("coefficient" , result['coefficient'])
print ("Predicted value: ",result['predicted_value'])

---

你在让我们猜错误发生在哪里。请更新问题以包含完整的错误回溯消息。感谢提供解决方案。我还有一个疑问，我们如何用其他值绘制预编辑值我们的预测值将在线（因为这是一个线性回归。我用这张图来绘制：

plt.scatter（x，y）

和

axes=plt.gca（）x\u vals=np.array（axes.get\u xlim（））y\u vals=result['intercept'[0]+result['coefficient']*x_vals plt.plot（x_vals，y_vals，'-'）plt.show（）

评论中很难看。我将编辑此帖子并将其放在那里。如果这解决了您的问题，请将答案标记为正确答案。是的，先生，已解决。您能解释什么是get_xlim（），和y轴表达式，以便我能有清楚的理解是的，为了绘制一条线，我们需要该线的一些点。通过

get_xlim（）

我们得到x轴上的值，然后将这些值放入直线公式中，得到一些点来绘制直线。

plt.scatter(x,y)

axes = plt.gca()
x_vals = np.array(axes.get_xlim())
y_vals = result['intercept'][0] + result['coefficient'][0] * x_vals
plt.plot(x_vals, y_vals, '--')
plt.show()