首页 文章

如何用scikit-learn进行多变量线性回归？

提问于
浏览 次
2

原谅我的术语，我不是ML专业人士 . 我可能会使用下面的错误条款 .

我正在尝试执行多变量线性回归 . 假设我试图通过分析网站上的页面浏览量来计算用户性别 .

对于我知道性别的每个用户，我有一个特征矩阵，其中每一行代表一个网站部分，第二个元素是他们是否访问过它，例如：

male1 = [
    [1, 1],     # visited section 1
    [2, 0],     # didn't visit section 2
    [3, 1],     # visited section 3, etc
    [4, 0]
]

所以在scikit中，我正在构建 xs 和 ys . 我代表男性为1，女性为0 .

以上将表示为：

features = male1
gender = 1

现在，我显然不仅仅是为单个用户培训模型，而是我有成千上万的用户使用我用于培训的数据 .

我原本以为我应该按如下方式创建 xs 和 ys ：

xs = [
    [          # user1
       [1, 1],    
       [2, 0],     
       [3, 1],    
       [4, 0]
    ],
    [          # user2
       [1, 0],    
       [2, 1],     
       [3, 1],    
       [4, 0]
    ],
    ...
]

ys = [1, 0, ...]

scikit不喜欢这个：

from sklearn import linear_model

clf = linear_model.LinearRegression()
clf.fit(xs, ys)

它抱怨说：

ValueError: Found array with dim 3. Estimator expected <= 2.

我怎么能在scikit-learn中为线性回归算法提供特征矩阵？

python machine-learning scikit-learn linear-regression

1 回答

  • 3

    您需要以不同的方式创建 xs . 根据docs：

    fit（X，y，sample_weight = None）
    参数：X：numpy数组或形状稀疏矩阵[n_samples，n_features]
    培训数据
    y：numpy数组形状[n_samples，n_targets]
    目标值
    sample_weight：numpy数组形状[n_samples]
    每个样品的单独重量

    因此 xs 应该是一个2D数组，其行数与用户数相同，列数与网站部分数相同 . 您将 xs 定义为3D数组 . 为了减少维度的数量，您可以通过列表理解去掉部分编号：

    xs = [[visit for section, visit in user] for user in xs]

    如果这样做，您作为示例提供的数据将转换为：

    xs = [[1, 0, 1, 0], # user1
      [0, 1, 1, 0], # user2
      ...
      ]

    和 clf.fit(xs, ys) 应该按预期工作 .

    降低尺寸的更有效方法是切割NumPy数组：

    import numpy as np
xs = np.asarray(xs)[:,:,1]
    回复于

相关问题