Sklearn线性回归X和Y输入格式

Question

我有一些关于sklearn linear_model.LinearRegression（模块）的输入问题。

ages_train = [[20, 10000], [22, 12000], [22, 14000], [25, 17000], [30, 29000]] 
net_worths_train = [10000, 12000, 14000, 17000, 29000] 

reg = linear_model.LinearRegression() 
reg.fit(ages_train, net_worths_train) 

上述工作，但它使得很难绘图。举例来说，这样做是行不通的：

plt.scatter(ages_train, net_worths_train, color = "b", label = "train data") 

所以我想做的是输入这样的：

ages_train = np.array([20, 22, 25, 27, 30, 31, 31, 34, 42, 50]) 
net_worths_train = np.array([10000, 12000, 16000, 20000, 30000, 33000, 34000, 38000, 49000, 60000]) 

但这种数据格式不与.fit工作（） linear_model.LinearRegression的函数。输入数据的正确方法是什么，并使其易于绘图？最好是使用numpy数组吗？

Answer 1

查看documentation for scikits.learn。你会看到X和Y需要分别是形状（n_samples，n_features）和（n_sample，n_targets）的二维数组。即使您只有一个功能和一个目标，情况也是如此。

你知道形状数组（6，1）和形状数组（6，）之间的区别吗？起初有点混乱，但第一个是一个真正的二维数组，恰好有一列，第二个是完全的一维数组。

以下是如何将数据转换为二维数组。是的，当使用像这样的数字数据时，你应该使用numpy，而不是列表。

ages_train = np.array([20, 22, 25, 27, 30, 31, 31, 34, 42, 50]) 
net_worths_train = np.array([10000, 12000, 16000, 20000, 30000, 33000, 34000, 38000, 49000, 60000]) 
reg.fit(ages_train[:, np.newaxis], net_worths_train[:, np.newaxis]) 
print reg.coef_, reg.intercept_ 

顺便说一句，如果你真的只想做简单的线性回归，考虑np.polyfit（多项式拟合）或np.linalg.lstsq（广义最小二乘法）。这些更容易安装和使用。尽管如此，Scikits-learn还有更多的功能和先进的回归技术。