python - sklearn 问题 : Found arrays with inconsistent numbers of samples when doing regression

Question

这个问题之前似乎有人问过，但我似乎无法评论以进一步澄清已接受的答案，而且我无法弄清楚所提供的解决方案。

我正在尝试学习如何使用 sklearn 处理我自己的数据。我基本上只是得到了过去 100 年中两个不同国家 GDP 的年度百分比变化。我现在只是想学习使用单个变量。我基本上想做的是使用 sklearn 来预测国家 A 的 GDP 百分比变化将给定国家 B 的 GDP 的百分比变化。

问题是我收到一条错误消息:

ValueError: Found arrays with inconsistent numbers of samples: [ 1 107]

这是我的代码:

import sklearn.linear_model as lm
import numpy as np
import scipy.stats as st
import matplotlib.pyplot as plt
import matplotlib.dates as mdates


def bytespdate2num(fmt, encoding='utf-8'):#function to convert bytes to string for the dates.
    strconverter = mdates.strpdate2num(fmt)
    def bytesconverter(b):
        s = b.decode(encoding)
        return strconverter(s)
    return bytesconverter

dataCSV = open('combined_data.csv')

comb_data = []

for line in dataCSV:
    comb_data.append(line)

date, chngdpchange, ausgdpchange = np.loadtxt(comb_data, delimiter=',', unpack=True, converters={0: bytespdate2num('%d/%m/%Y')})


chntrain = chngdpchange[:-1]
chntest = chngdpchange[-1:]

austrain = ausgdpchange[:-1]
austest = ausgdpchange[-1:]

regr = lm.LinearRegression()
regr.fit(chntrain, austrain)

print('Coefficients: \n', regr.coef_)

print("Residual sum of squares: %.2f"
      % np.mean((regr.predict(chntest) - austest) ** 2))

print('Variance score: %.2f' % regr.score(chntest, austest))

plt.scatter(chntest, austest,  color='black')
plt.plot(chntest, regr.predict(chntest), color='blue')

plt.xticks(())
plt.yticks(())

plt.show()

我做错了什么？我基本上尝试将 sklearn 教程(他们使用了一些糖尿病数据集)应用于我自己的简单数据。我的数据只包含日期、国家 A 在该特定年份的 GDP 变化百分比，以及国家 B 在同一年的 GDP 变化百分比。

我尝试了解决方案 here和 here (basically trying to find more out about the solution in the first link) , 但只是收到完全相同的错误。

如果您想查看，这里是完整的回溯:

Traceback (most recent call last):
  File "D:\My Stuff\Dropbox\Python\Python projects\test regression\tester.py", line 34, in <module>
    regr.fit(chntrain, austrain)
  File "D:\Programs\Installed\Python34\lib\site-packages\sklearn\linear_model\base.py", line 376, in fit
    y_numeric=True, multi_output=True)
  File "D:\Programs\Installed\Python34\lib\site-packages\sklearn\utils\validation.py", line 454, in check_X_y
    check_consistent_length(X, y)
  File "D:\Programs\Installed\Python34\lib\site-packages\sklearn\utils\validation.py", line 174, in check_consistent_length
    "%s" % str(uniques))
ValueError: Found arrays with inconsistent numbers of samples: [  1 107]

Answer 1

在 fit(X,y) 中，输入参数 X 应该是一个二维数组。但是如果你的数据中的 X 只是一维的，你可以像这样将它 reshape 成一个二维数组:regr.fit(chntrain_X.reshape(len(chntrain_X), 1), chntrain_Y)