Python：KNN回归拟合returns错误

Question

我正在做机器学习练习，当我运行以下代码时，我总是收到错误消息：

from sklearn.neighbors import KNeighborsRegressor
import numpy as np
import matplotlib.pyplot as plt

N=51
SD=1.15
ME=0
E=np.random.normal(ME, SD, N)
X = np.linspace(-4,4, N, endpoint=True)
Y = X**2 + E

neigh = KNeighborsRegressor(n_neighbors=2)
neigh.fit(X, Y)

X_eval = np.linspace(0,4,1000)
X_eval = X_eval.reshape(-1,1)

plt.figure()
plt.plot(X_eval,neigh.predict(X_eval), label="regression predictor")
plt.plot(X,Y, 'rs', markersize=12, label="training set")
plt.show()

错误在 neigh.fit() 行，并且是：

ValueError：应为二维数组，得到的是一维数组： array=[所有生成的 x 值]。如果您的数据具有单个特征，则使用 array.reshape(-1, 1) 重塑您的数据，如果它包含单个样本，则使用 array.reshape(1, -1) 重塑您的数据。

但是这样装也不行。我对机器学习和 python 编程还很陌生，所以如果这个问题微不足道，我深表歉意但是：我可以改进什么来制作我的代码运行？提前致谢！

Answer 1

解决这个问题的关键部分是理解错误。错误是告诉你你需要传递一个二维数组，但你只传递了一个一维数组。更明确地说，你的问题是X，它确实需要这样重塑：

X_new = X.reshape(-1,1)

reshape(-1,1) 将采用一维数组并确保每个子数组中只有 1 个元素。 -1 告诉 numpy 推断要创建的子数组的数量；在这种情况下，我们得到 51.

下面的代码在我的终端中运行：

#UPDATED CODE
from sklearn.neighbors import KNeighborsRegressor
import numpy as np
import matplotlib.pyplot as plt

N=51
SD=1.15
ME=0
E=np.random.normal(ME, SD, N)
X = np.linspace(-4,4, N, endpoint=True)
X_NEW = X.reshape(-1,1)
Y = X**2 + E

neigh = KNeighborsRegressor(n_neighbors=2)
neigh.fit(X_NEW, Y)

X_eval = np.linspace(0,4,1000)
X_eval = X_eval.reshape(-1,1)

plt.figure()
plt.plot(X_eval,neigh.predict(X_eval), label="regression predictor")
plt.plot(X,Y, 'rs', markersize=12, label="training set")
plt.show()

Python：KNN回归拟合returns错误

Python: KNN regression fitting returns error

python

machine-learning

curve-fitting

knn