将数据集中的特征添加到函数中会导致“TypeError: can't convert type 'ndarray' to numerator/denominator”

Question

该任务要求您加载糖尿病数据集的一个特征，并为训练数据编写自己的最佳拟合线。

我已经编写了所需的最佳拟合算法行，但是在尝试向其中添加训练数据时，我收到此错误：

“类型错误：无法将类型 'ndarray' 转换为分子/分母”

import matplotlib.pyplot as plt
import numpy as np
from sklearn import datasets, linear_model
from statistics import mean

diabetes = datasets.load_diabetes()
diabetes_X = diabetes.data[:, np.newaxis, 2]

diabetes_X_train = diabetes_X[:-20] #creating the testing and training data 
diabetes_X_test = diabetes_X[-20:]

diabetes_y_train = diabetes.target[:-20]
diabetes_y_test = diabetes.target[-20:]

## The below code is where the issue is occurring 

xs = np.array(diabetes_X_train, dtype=np.float64)
ys = np.array([diabetes_y_train, dtype=np.float64)

##the algorithm to calculate the line of best  

def best_fit_slope_and_intercept(xs,ys):
    m = (((mean(xs)*mean(ys)) - mean(xs*ys)) /
         ((mean(xs)*mean(xs)) - mean(xs*xs)))

    b = mean(ys) - m*mean(xs)

    return m, b

m, b = best_fit_slope_and_intercept(xs,ys)

print(m,b)

我了解将所需数据转换为正确格式是问题所在，但经过研究，我无法找到正确的方法。

感谢有关如何根据需要正确连接或转换训练数据的所有输入。

Answer 1

在我看来，处理数据的最佳格式是 DataFrame。 您可以轻松地制作这样的数据框：

urdataframe={'headername': bestfitted}
urdataframe=pd.DataFrames(data=urdataframe)

然后您可以轻松联系您的数据帧，例如：

finaldata=pd.concat((traindata,urdataframe),axis=1)

您可以在 DataFrames 上执行所有机器学习功能，并且不太可能出错

Answer 2

例如，如果你的火车数据是这样的：年龄性别糖 42 1 120 45 0 250 32 1 98

你的回答是这样的：回答是的，不是的，是的

所以在通过代码联系后，我提到它会像：年龄性别糖回答 42 1 120 是 45 0 250 否 32 1 98 是