Я пытался решить это в течение нескольких часов и не могу этого сделать, когда я пытаюсь инвертировать масштабированные данные.
In: print(yhat.shape), print(test_X[:, 0:].shape)
Out:(1155, 1), (1155, 1, 37)
# invert scaling for forecast
inv_yhat=np.dstack((yhat, test_X[:, 0:])).shape
inv_yhat = scaler.inverse_transform(inv_yhat)
inv_yhat = inv_yhat[:,0]
---------------------------------------------------------------------------
ValueError: Traceback (most recent call last)
<ipython-input-334-779bdcd26d3e> in <module>()
3
4 inv_yhat=np.dstack((yhat, test_X[:, 0:])).shape
----> 5 inv_yhat = scaler.inverse_transform(inv_yhat)
6 inv_yhat = inv_yhat[:,0]
/anaconda3/lib/python3.6/site-packages/sklearn/preprocessing/data.py in inverse_transform(self, X)
381 check_is_fitted(self, 'scale_')
382
--> 383 X = check_array(X, copy=self.copy, dtype=FLOAT_DTYPES)
384
385 X -= self.min_
/anaconda3/lib/python3.6/site-packages/sklearn/utils/validation.py in check_array(array, accept_sparse, dtype, order, copy, force_all_finite, ensure_2d, allow_nd, ensure_min_samples, ensure_min_features, warn_on_dtype, estimator)
439 "Reshape your data either using array.reshape(-1, 1) if "
440 "your data has a single feature or array.reshape(1, -1) "
--> 441 "if it contains a single sample.".format(array))
442 array = np.atleast_2d(array)
443 # To ensure that array flags are maintained
ValueError: Expected 2D array, got 1D array instead:
array=[1.155e+03 1.000e+00 3.800e+01].
Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample.
В моем столбце данных есть либо целое число, либо float (без категориальных). Кроме того, я удалил столбец даты.
Что я делаю неправильно?
Ответ прямо перед вами. Вы используете 1D-массив в качестве ввода, но данные всегда должны быть 2D в scikit-learn:
Измените свои данные либо с помощью array.reshape(-1, 1), если ваши данные имеют одну функцию.
Попробуйте что-нибудь вроде:
inv_yhat = scaler.inverse_transform(inv_yhat.reshape(-1,1))
Привет, у меня такая же проблема
from sklearn.linear_model import LinearRegression as lr
import numpy as np
lm = lr()
y =df['temp'].values.reshape(-1,1)
x= df['cnt'].values.reshape(-1,1)
lm.fit(y,x)
lm.predict([0.23])