Ожидался двумерный массив, вместо этого получен скалярный массив: array=11

Содержание

Вопрос или проблема
Ответ или решение
Анализ кода
Решение проблемы
Обновленный код
Заключение

Вопрос или проблема

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
from sklearn.metrics import r2_score

# загрузка данных
veriler = pd.read_csv(r'C:\Users\k\Desktop\maaslar_yeni.csv')
# x здесь независимая переменная, y же является зависимой переменной.
x = veriler.iloc[:,2:3]
y = veriler.iloc[:,5:]
X=x.values.reshape(-1,1)
Y=y.values.reshape(-1,1)

# линейная регрессия
from sklearn.linear_model import LinearRegression
lin_reg = LinearRegression()
lin_reg.fit(X,Y)

import statsmodels.api as sm
model=sm.OLS(lin_reg.predict(X),X)
print(model.fit().summary())

На уроке инструктор просто изменил x, создав новые X и Y. Затем он пытается использовать LinearRegression, как вы видите на картинке, чтобы узнать значение R. Но когда я пытаюсь это сделать, я вижу указанную ошибку. Как я могу это исправить?

Ваш код может содержать ошибку

x = veriler.iloc[:,2:3]
y = veriler.iloc[:,5:]
X=x.values.reshape(-1,1)
Y=y.values.reshape(-1,1)

Как вы можете видеть, у x есть ОДНА колонка (2:3), но у y может быть больше одной (5: означает 6-й столбец до конца). В результате, когда вы выполняете reshape, длина Y может быть в два (или более) раза больше, чем длина X.

Пожалуйста, приведите несколько записей ваших данных, чтобы помочь вам больше; но вообще, X может иметь несколько колонок, а Y — одну колонку. Однако, если вы собираетесь делать регрессию для 1 колонки X и Y, возможное исправление вашего кода выглядит так (уберите : для вашего y)

y = veriler.iloc[:,5]

Ответ или решение

Ошибка "Expected 2D array, got scalar array instead: array=11" часто возникает в контексте работы с библиотеками для машинного обучения, такими как scikit-learn, и может быть связана с тем, что ожидались данные в двумерном формате, тогда как на самом деле был передан скаляр или одномерный массив. В данной ситуации данная ошибка может быть вызвана некорректным определением массивов X и Y.

Рассмотрим вашу кодовую базу более подробно и выявим возможные проблемы, которые могут привести к данной ошибке.

Анализ кода

Импорт необходимых библиотек:
Код начинается с импорта необходимых модулей, таких как numpy, pandas, matplotlib и sklearn, что является стандартной практикой для работы с данными и машинным обучением.
Загрузка данных:
```
veriler = pd.read_csv(r'C:\Users\k\Desktop\maaslar_yeni.csv')
```
Здесь вы загружаете данные из CSV-файла в DataFrame pandas. Убедитесь, что файл существует по указанному пути и данные корректно загружены.
Определение независимой и зависимой переменной:
```
x = veriler.iloc[:,2:3]  # Независимая переменная
y = veriler.iloc[:,5:]    # Зависимая переменная
```
В этом коде вы извлекаете независимые и зависимые переменные. Важно заметить, что x будет являться одной колонкой, тогда как y может содержать несколько колонок, если в вашем наборе данных больше одной зависимой переменной, что потенциально вызывает несоответствие в размерах.
Преобразование в массивы и изменение формы:
```
X = x.values.reshape(-1, 1)  # Преобразование x в двумерный массив
Y = y.values.reshape(-1, 1)  # Преобразование y в двумерный массив
```
Использование метода reshape(-1, 1) здесь создает двумерные массивы. Однако, если y содержит более одной колонки, и если размеры X и Y не совпадают, это приведет к ошибке при попытке выполнения регрессии.

Решение проблемы

Для устранения данной проблемы рекомендуется изменить определение y, чтобы извлечь только одну колонку. Это можно сделать следующим образом:

y = veriler.iloc[:, 5]  # Извлечение одной колонки

Таким образом y станет одномерным массивом, и в дальнейшем изменения не потребуются, так как y будет совместим с методом регрессии scikit-learn.

Обновленный код

Вот ваша обновленная часть кода с исправлениями:

# Определение зависимой переменной
y = veriler.iloc[:, 5]  # Извлечение только одной колонки

# Преобразование в массивы
X = x.values.reshape(-1, 1)
Y = y.values.reshape(-1, 1)

Заключение

После внесения указанных изменений ошибка "Expected 2D array, got scalar array instead" должна исчезнуть. Следует также удостовериться, что форма массивов X и Y совпадает перед вызовом метода fit модели линейной регрессии. Проверяйте размерности массивов с помощью print(X.shape, Y.shape), чтобы убедиться, что они соответствуют друг другу.

Если ошибка возникает снова, проверьте целостность и структуру данных в вашем CSV-файле.