亚洲在线久爱草,狠狠天天香蕉网,天天搞日日干久草,伊人亚洲日本欧美

為了賬號安全,請及時綁定郵箱和手機立即綁定
已解決430363個問題,去搜搜看,總會有你想問的

嘗試預測數字時出錯:預期的二維數組,得到的是一維數組

嘗試預測數字時出錯:預期的二維數組,得到的是一維數組

慕尼黑8549860 2023-03-08 17:20:36
我最近開始在 youtube 教程中學習 ML。根據教程中的內容,我決定改進并應用到一種猜謎游戲中。游戲有多個場景和一些數字,玩家在進入下一階段之前必須收集這些數字。所以我想將其應用于 ML 并嘗試看看會發生什么。在我的 CSV 文件中,我有 16 列(階段和 1 到 15 個數字)和很多行。因此,為了預測最后階段(1988 年)的數字是多少,我直接輸入了“...預測([[1988]]))”并得到了ValueError: Expected 2D array, got 1D array instead.我知道在這種情況下幾乎不可能預測,但我的主要目標是減少錯誤數量,看看 ML 能有多好地解決這個問題。你們能告訴我我做錯了什么以及哪里做錯了嗎?為了更好地解釋,代碼如下:import pandasfrom sklearn.tree import DecisionTreeClassifiergame_data = pandas.read_csv('game_data2.csv')game_list = game_data.drop(columns=['n1', 'n2', 'n3', 'n4', 'n5',                                     'n6', 'n7', 'n8', 'n9', 'n10',                                      'n11', 'n12', 'n13', 'n14', 'n15'])game_stage = game_data['STAGE']model = DecisionTreeClassifier()model.fit(game_stage, game_list)predictions = model.predict([[1988]])predictions先感謝您!
查看完整描述

2 回答

?
喵喔喔

TA貢獻1735條經驗 獲得超5個贊

game_stage在將變量傳遞給model.fit().


如果您像這樣修改代碼,則不會收到錯誤消息:


import pandas

from sklearn.tree import DecisionTreeClassifier

import numpy as np


# Read data

game_data = pandas.read_csv('game_data2.csv')

game_list = game_data.drop(columns=['n1', 'n2', 'n3', 'n4', 'n5', 'n6', 'n7', 'n8', 'n9', 'n10', 'n11', 'n12', 'n13', 'n14', 'n15'])

game_stage = game_data['STAGE']


# Reshape into 2D array using numpy

game_stage = np.asarray(game_stage)

# -1 means this dimension is inferred from the data

game_stage = game_stage.reshape(-1,1)


# Train model

model = DecisionTreeClassifier()

model.fit(game_stage, game_list)


# Prediction

predictions = model.predict([[1988]])

predictions


查看完整回答
反對 回復 2023-03-08
?
BIG陽

TA貢獻1859條經驗 獲得超6個贊

您只需為 predict 方法提供相同的二維數組,但要處理一個(或多個)值。簡而言之,您可以更換

[1988]

[[1988]]

它應該有效。

這個答案變得流行,所以我想我應該添加更多關于 ML 的解釋。簡短版本:我們只能對與訓練數據 (X) 具有相同維度的數據使用預測。

在所討論的示例中,我們在 X 中為計算機提供了一堆行,并在 y 中向其顯示了正確的響應。當我們想要使用新值進行預測時,我們的程序期望相同 - 一堆行。即使我們只想對一行執行此操作,該行也必須是另一個數組的一部分。


查看完整回答
反對 回復 2023-03-08
  • 2 回答
  • 0 關注
  • 130 瀏覽
慕課專欄
更多

添加回答

舉報

0/150
提交
取消
微信客服

購課補貼
聯系客服咨詢優惠詳情

幫助反饋 APP下載

慕課網APP
您的移動學習伙伴

公眾號

掃描二維碼
關注慕課網微信公眾號