Błąd Sklearn Losowe Lasu REGRESSOR

Kiedy próbuje dopasować model Losowe Las REGRESSOR z Y danych, który wygląda tak:Błąd Sklearn Losowe Lasu REGRESSOR

[ 0.00000000e+00 1.36094276e+02 4.46608221e+03 8.72660888e+03 
    1.31375786e+04 1.73580193e+04 2.29420671e+04 3.12216341e+04 
    4.11395711e+04 5.07972062e+04 6.14904935e+04 7.34275322e+04 
    7.87333933e+04 8.46302456e+04 9.71074959e+04 1.07146672e+05 
    1.17187952e+05 1.26953374e+05 1.37736003e+05 1.47239359e+05 
    1.53943242e+05 1.78806710e+05 1.92657725e+05 2.08912711e+05 
    2.22855152e+05 2.34532982e+05 2.41391255e+05 2.48699216e+05 
    2.62421197e+05 2.79544300e+05 2.95550971e+05 3.13524275e+05 
    3.23365158e+05 3.24069067e+05 3.24472999e+05 3.24804951e+05

i X danych, które wygląda tak:

[ 735233.27082176 735234.27082176 735235.27082176 735236.27082176 
    735237.27082176 735238.27082176 735239.27082176 735240.27082176 
    735241.27082176 735242.27082176 735243.27082176 735244.27082176 
    735245.27082176 735246.27082176 735247.27082176 735248.27082176

Z Poniższy kod:

regressor = RandomForestRegressor(n_estimators=150, min_samples_split=1) 
rgr = regressor.fit(X,y)

otrzymuję ten błąd:

ValueError: Number of labels=600 does not match number of samples=1

Przypuszczam jeden z moich zestawów wartości jest w złym formacie, ale nie jest też dla mnie jasne, z dokumentacją.

Źródło

2015-08-25 BLL27

można wydrukować 'X.shape' i' y.shape'? – yangjie

druku X.shape, y.shape: (600) (600) – BLL27

Kształt X powinny być [n_samples, n_features] można przekształcić X przez

X = X[:, None]

Źródło

2015-08-25 08:17:01 yangjie

Można również użyć 'X = X [:, np.newaxis]' –

@ M.Massias Tak, rzeczywiście 'newaxis' jest aliasem 'None' – yangjie

ona traktuje swoją listę próbek X jako 1 próbce jako wektor więc następujące prace

rgr = regressor.fit(map(lambda x: [x],X),y)

Nie może być bardziej skuteczny sposób to zrobić w numpy z vstack.

Źródło

2015-08-25 08:23:30

Błąd Sklearn Losowe Lasu REGRESSOR

Odpowiedz

Powiązane problemy