模拟线性回归 scikit-learn python

如何解决模拟线性回归 scikit-learn python

我想运行线性回归，但此代码生成从“reg = LinearRegression()”开始的错误

import pandas as pd
from sklearn.linear_model import LinearRegression
from sklearn.metrics import r2_score
from scipy.stats import binom

from scipy.stats import norm
# generate random numbers from N(0,1)
x = norm.rvs(size=10000,loc=0,scale=1)
y = norm.rvs(size=10000,scale=1)
z = binom.rvs(n=10,p=0.8,size=10000)
df = pd.DataFrame(data={'v1':x.flatten(),'target':y.flatten(),'label':z.flatten()})
df.head(10)

reg = LinearRegression()
reg.fit(df['v1'],df["target"])

错误信息： ValueError：预期的二维数组，而是得到一维数组： 数组=[ 0.39507346 -0.01013895 -0.83918156 ... 0.47254883 0.02202747 0.50782984]。 如果您的数据具有单个特征，则使用 array.reshape(-1,1) 或使用 array.reshape(1,-1) 如果它包含单个样本来重塑您的数据。

有什么错误提示吗？

解决方法

使用.values.reshape(-1,1)：

reg.fit(df['v1'].values.reshape(-1,1),df["target"].values.reshape(-1,1))