LinearRegression в наборе данных linerrud

Question

Я пытаюсь найти производительность и среднеквадратичную ошибку набора данных linnerud с помощью метода линейной регрессии. Я застрял при передаче данных и получаю сообщение об ошибке "ValueError: обнаружены входные переменные с несогласованным числом выборок: [10, 1]". Набор данных Linnerud имеет три функции и три столбца в целевом объекте, где я хочу использовать только одну функцию, а именно подбородок. Может ли кто-нибудь помочь мне исправить ситуацию, в которой я застрял?

Ниже приводится то, что я пробовал до сих пор, ссылаясь на https://scikit-learn.org/stable/auto_examples/linear_model/plot_ols.html.

from sklearn import datasets
from sklearn import linear_model
from sklearn.metrics import mean_squared_error, r2_score
import matplotlib.pyplot as plt
import numpy as np

linnerud = datasets.load_linnerud()
print(linnerud)

# Use only one feature
linnerud_X = linnerud.data[:, np.newaxis, 0]
print(linnerud_X)
X = np.array(linnerud_X).reshape((1,-1))
print(X)
# Split the data into training/testing sets
linnerud_X_train = linnerud_X[:-10]
linnerud_X_test = linnerud_X[-10:]
#print(linnerud_X_train)
#print(linnerud_X_test)


Y = np.array(linnerud.target).reshape((1,-1))

# Split the targets into training/testing sets
linnerud_y_train = Y
#linnerud_y_test #= Y[-10:]
print(linnerud_y_train)
#print(linnerud_y_test)

# Create linear regression object
regr = linear_model.LinearRegression()

# Train the model using the training sets
regr.fit(linnerud_X_train, linnerud_y_train)

# Make predictions using the testing set
linnerud_y_pred = regr.predict(linnerud_X_test)

Я ожидаю аналогичных результатов, которые были достигнуты в следующем примере https://scikit-learn.org/stable/auto_examples/linear_model/plot_ols.html.

Answer 1

Количество записей в зависимой и независимой переменных не одинаковое.

>>> linnerud_y_train.shape
(1, 60)
>>> linnerud_X_train.shape
(10, 1)

Кроме того, изменения формы, которые вы сделали на мишени, неверны (я не уверен, что вы пытались там сделать).

Функции были разделены на обучающую и тестовую, но разделение не было выполнено по цели. Это была причина, по которой вы получили ошибку значения.

Но лучший способ сделать это:

linnerud = datasets.load_linnerud()
linnerud_X = linnerud.data[:, np.newaxis, 0]   # Use only one feature

# Split to train and test
linnerud_X_train = linnerud_X[:10]
linnerud_X_test = linnerud_X[10:]

Y = linnerud.target[: np.newaxis, 0]
linnerud_y_train = Y[:10]
linnerud_y_test = Y[10:]

regr = linear_model.LinearRegression()
regr.fit(linnerud_X_train, linnerud_y_train)