如何解决sklearn PolynomialFeatures 预测多个特征
以下代码适合具有 9 个属性和 1 个目标属性的 DataFrame 的 4 次多项式
# Fitting Polynomial Regression to the dataset
from sklearn.preprocessing import PolynomialFeatures
poly_reg = PolynomialFeatures(degree=4)
XP_poly = poly_reg.fit_transform(XP)
poly_reg = LinearRegression()
poly_reg.fit(XP_poly,yP)
我正在尝试使用该模型从 9 个值的数组中进行预测(因为有 9 个特征。)
xP_pred = np.array([0.26,30,1,23,1])
xP_pred = xP_pred.reshape(-1,len(featuresP))
我收到以下错误
Found array with dim 3. Estimator expected <= 2
更改 xP_pred 的尺寸似乎不能解决问题。到目前为止,在我研究的示例中,多项式回归已用于具有 2 个属性的数据帧。 当特征变量由多个属性组成时,如何从多项式模型中获得预测?
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。