將 scikit LinearRegression.predict 用於多特征標簽

Question

我正在嘗試使用它們作為特征來預測某個工作日（0-6）和某個時間的餐廳（=標簽）的顧客數量。 我的 dataframe 看起來像這樣：

我使 model 預測第一個可用數據點（第一行）的客戶數量的草圖是：

deg = 10 #the chosen polynomial degree
lin_regr = LinearRegression(fit_intercept=False) #linregr object
poly = PolynomialFeatures(degree=deg)    #polynomial model
X_train_poly = poly.fit_transform(X_train) # fit the features
lin_regr.fit(X_train_poly, y_train)
print(lin_regr.predict([df.iloc[0]['weekday'], df.iloc[0]['acchour']])) 
#The last line is causing the error

但是，我越來越

ValueError: Expected 2D array, got 1D array instead: array=[1.   6.75]

這背后的原因是什么，將這兩個功能提供給 function predict()的正確語法是什么？

Answer 1

據我所知，您的數據點具有 (2,) 的形狀，並且必須是 (2,1)。 嘗試：

import numpy as np
datapoint=np.array([df.iloc[0]['weekday'], df.iloc[0]['acchour']]).reshape(-1,1)