我正在从事一个基于机器学习线性回归的天气预报项目。我使用了下面的代码,但得到了错误only 2 arguments accepted
代码如下所示:
from sklearn.linear_model import LinearRegression
import numpy as np
X=df.drop(['PrecipitationSumInches'], axis=1)
Y=df['PrecipitationSumInches']
Y=Y.values.reshape(-1,1)
day_index=798
days=[i for i in range(Y.size)]
clf=LinearRegression()
clf.fit(X,Y)
inp=np.array([74],[60],[45],[67],[49],[43],[33],[45],[57],
[29.68],[10],[7],[2],[0],[20],[4],[31])
inp=inp.reshape(1,-1)
print("The Precipitation in inches for the input is:",
clf.predict(inp))
你这里有一些问题。让我们后退一步,解决一个简单的回归问题,典型的波士顿住房问题。将下面的代码复制/粘贴到Python环境中,运行它,检查结果,如果仍然有问题,请发回
sns.pairplot(bos)
结果:
https://acadgild.com/blog/linear-regression-on-boston-housing-data
还有,看看这个
https://github.com/chatkausik/Linear-Regression-using-Boston-Housing-data-set/blob/master/Mini_Project_Linear_Regression.ipynb
网上还有其他类似的例子。查看Iris数据集,并尝试在此基础上进行回归。有这么多的例子。复制/粘贴一些简单的代码,让它工作起来,如果您仍然有问题,请带着问题回到这里(很多问题是不言而喻的)。记住,你从中解脱出来,你投入了什么
这不是使用numpy创建数组的方法
改变
致:
请下次格式化代码并添加错误跟踪
相关问题 更多 >
编程相关推荐