Sklearn线性回归X和Y输入表

Question

关于sklearn线性模型的输入，我有几个问题。

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)

上面的方法很有效，但很难画出来。例如，这样做行不通：

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

所以我要做的是输入这个：

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])

但是这种数据格式不适用于linear_model.LinearRegression的.fit（）函数。什么是正确的方式来输入数据，并使其易于绘制？使用numpy数组更好吗？

Answer 1

查看documentation for scikits.learn。您将看到X和Y需要分别是二维形状数组（n_samples，n_features）和（n_samples，n_targets）。即使只有一个特性和一个目标，情况也是如此。

你知道形状数组（6，1）和形状数组（6，1）之间的区别吗？一开始有点混乱，但第一个是真正的二维数组，正好有一列，第二个是完全一维数组。

下面介绍如何将数据转换为二维数组。是的，在处理这样的数字数据时，应该使用numpy，而不是list。

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_

顺便说一下，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）。这些更易于安装和使用。不过，scikitlearn有更多的特性和高级回归技术。