从numpy数组到数组中的唱歌

Question

我正在对我的数据进行预处理以使其工作：

model = LogisticRegression()
model.fit(X, Y)

我正在努力重塑我的生活numpy.ndarray公司. 你知道吗

在这一点上，我有：

Y
array([array([[52593.4410802]]), array([[52593.4410802]])], dtype=object)
Y.shape
(2,)
type(Y)
<class 'numpy.ndarray'>

对于X，我有：

X
array([array([[34.07824204],
       [33.36032467],
       [24.61158084],
       ...,
       [34.62648953],
       [34.49591937],
       [34.40951467]]),
       array([[ 4.50136316],
       [ 7.46307729],
       [17.07135805],
       ...,
       [57.98715047],
       [54.5733181 ],
       [50.13691107]])], dtype=object)
X.shape
(2,)
type(X)
<class 'numpy.ndarray'>

我想得到我的X和转换，使每个数据成为一列/特征（转置的想法）。所以每一个值都会变成一个特征，就像这样：

X[0][0]
array([34.07824204])
X[0][1]
array([33.36032467])
# Sudo code idea:
# X_new = [0][0],[0][1],...
# X_new = append(X_new,[1][0],[1][1]...)

我尝试过：

nsamples, nx, ny = X.shape
d2_train_dataset = X.reshape((nsamples,nx*ny))

此外，我试图重塑和转置，但它不会给我所需要的：

X
array([array([[34.07824204],
       [33.36032467],
       [24.61158084],
       ...,
       [34.62648953],
       [34.49591937],
       [34.40951467]]),
       array([[ 4.50136316],
       [ 7.46307729],
       [17.07135805],
       ...,
       [57.98715047],
       [54.5733181 ],
       [50.13691107]])], dtype=object)
X.T
array([array([[34.07824204],
       [33.36032467],
       [24.61158084],
       ...,
       [34.62648953],
       [34.49591937],
       [34.40951467]]),
       array([[ 4.50136316],
       [ 7.46307729],
       [17.07135805],
       ...,
       [57.98715047],
       [54.5733181 ],
       [50.13691107]])], dtype=object) 

正如其中一条评论中所建议的那样，我尝试过，但没有成功： （我把输出作为输入）

X.flatten()
array([array([[34.07824204],
       [33.36032467],
       [24.61158084],
       ...,
       [34.62648953],
       [34.49591937],
       [34.40951467]]),
       array([[ 4.50136316],
       [ 7.46307729],
       [17.07135805],
       ...,
       [57.98715047],
       [54.5733181 ],
       [50.13691107]])], dtype=object)

Answer 1

从Y我可以理解，你的标签是连续的，而不是离散的。你的数据表明你需要一个回归模型，但你正试图适应一个二元分类器，逻辑回归。作为回归算法，可以使用linear regression、Support Vector Regression或任何其他回归模型。你知道吗

Answer 2

在重塑之前，先去掉数组中的数组。 使用numpy.stack可以很容易地做到这一点。例如

import numpy
from numpy import array
Y = array([array([[52593.4410802]]), array([[52593.4410802]])], dtype=object)
Y = numpy.stack(Y)
print(Y.shape)
print(Y)

给出：
（2,1,1）
[[[52593.4410802]]

[[52593.4410802]]

从这里，你可以重塑到你需要的。你知道吗