erreur dans le script python “Attendu tableau 2D, obtenu 1D tableau plutôt:”?

Je suis en suivant ce tutoriel pour faire de cette ML de prédiction:

import numpy as np
import matplotlib.pyplot as plt
from matplotlib import style

style.use("ggplot")
from sklearn import svm

x = [1, 5, 1.5, 8, 1, 9]
y = [2, 8, 1.8, 8, 0.6, 11]

plt.scatter(x,y)
plt.show()

X = np.array([[1,2],
             [5,8],
             [1.5,1.8],
             [8,8],
             [1,0.6],
             [9,11]])

y = [0,1,0,1,0,1]
X.reshape(1, -1)

clf = svm.SVC(kernel='linear', C = 1.0)
clf.fit(X,y)

print(clf.predict([0.58,0.76]))

Im en utilisant Python 3.6 et j'obtiens l'erreur "Attendu tableau 2D, obtenu 1D tableau plutôt:"
Je pense que le script est pour les anciennes versions, mais je ne sais pas comment faire pour le convertir à la version 3.6.

Déjà essayer avec le:

   X.reshape(1, -1)

La ligne qui est à l'origine de l'erreur?
X = X.reshape(1, -1). Remodeler n'est pas en place.
Je suppose que la dernière ligne clf.predict(<a-1d-thing>), depuis X est déjà à deux dimensions (inutile reshape nonobstant).
Oui, la dernière ligne.
la réorientation est dans le bon endroit, mais vous êtes à rejeter le résultat. Affecter le résultat de retour à X.

OriginalL'auteur JonTargaryen | 2017-08-07

53

Vous êtes seulement censés fournir le predict méthode avec le même tableau 2D, mais avec une valeur que vous souhaitez traiter (ou plus). En bref, vous pouvez simplement remplacer
```
[0.58,0.76]
```
Avec
```
[[0.58,0.76]]
```
Et cela devrait fonctionner

fonctionne comme un charme!
mais pourquoi est-ce que le travail? Je ne comprends pas ce qu'est la question.
comment voulez-vous atteindre ce pour le plus grand dataframes? (dynamiquement)

OriginalL'auteur Ofer Sadan

Le problème se produit lorsque vous exécutez la prédiction sur le tableau [0.58,0.76]. Résoudre le problème en le restructurant avant d'appeler predict():

import numpy as np
import matplotlib.pyplot as plt
from matplotlib import style

style.use("ggplot")
from sklearn import svm

x = [1, 5, 1.5, 8, 1, 9]
y = [2, 8, 1.8, 8, 0.6, 11]

plt.scatter(x,y)
plt.show()

X = np.array([[1,2],
             [5,8],
             [1.5,1.8],
             [8,8],
             [1,0.6],
             [9,11]])

y = [0,1,0,1,0,1]

clf = svm.SVC(kernel='linear', C = 1.0)
clf.fit(X,y)

test = np.array([0.58, 0.76])
print test       # Produces: [ 0.58  0.76]
print test.shape # Produces: (2,) meaning 2 rows, 1 col

test = test.reshape(1, -1)
print test       # Produces: [[ 0.58  0.76]]
print test.shape # Produces (1, 2) meaning 1 row, 2 cols

print(clf.predict(test)) # Produces [0], as expected

OriginalL'auteur stackoverflowuser2010

2

J'ai fait face à la même question, sauf que le type de données de l'instance, je voulais prédire était un panda.Series objet.

Bien j'ai juste besoin de prévoir une entrée de l'instance. Je l'ai pris à partir d'une tranche de mes données.
```
df = pd.DataFrame(list(BiogasPlant.objects.all()))
test = df.iloc[-1:]       # sliced it here
```
Dans ce cas, vous aurez besoin de le convertir en un 1-D tableau et puis reshape.
```
 test2d = test.values.reshape(1,-1)
```
De la docs, values permettra de convertir de la Série dans un tableau numpy.

OriginalL'auteur devsaw
0

X et en Y de la matrice de la Variable Indépendante et la Variable Dépendante respectivement à DataFrame de Type int64 afin qu'il soit converti à partir 1D tableau de tableau 2D..
j'.e X=pd.DataFrame(X) et Y=pd.dataFrame(Y) où pd est de pandas classe en python. et donc la fonction de mise à l'échelle, à son tour, ne conduit pas à l'erreur!

OriginalL'auteur Chahat Agarwal

Vous devez vous connecter pour publier un commentaire.