import numpy as np
import pandas as pd
import matplotlib.pyplot as pt
data1 = pd.read_csv('stage1_labels.csv')
X = data1.iloc[:, :-1].values
y = data1.iloc[:, 1].values
from sklearn.preprocessing import LabelEncoder, OneHotEncoder
label_X = LabelEncoder()
X[:,0] = label_X.fit_transform(X[:,0])
encoder = OneHotEncoder(categorical_features = [0])
X = encoder.fit_transform(X).toarray()
from sklearn.cross_validation import train_test_split
X_train, X_test, y_train,y_test = train_test_split(X, y, test_size = 0.4, random_state = 0)
#fitting Simple Regression to training set
from sklearn.linear_model import LinearRegression
regressor = LinearRegression()
regressor.fit(X_train, y_train)
#predecting the test set results
y_pred = regressor.predict(X_test)
#Visualization of the training set results
pt.scatter(X_train, y_train, color = 'red')
pt.plot(X_train, regressor.predict(X_train), color = 'green')
pt.title('salary vs yearExp (Training set)')
pt.xlabel('years of experience')
pt.ylabel('salary')
pt.show()
J'ai besoin d'aide pour comprendre l'erreur lors de l'exécution du code ci-dessus. Voici l'erreur:
"augmenter ValueError (" x et y doivent avoir la même taille ")"
J'ai un fichier .csv avec 1398 lignes et 2 colonnes. J'ai pris 40% comme ensemble y_test, comme cela est visible dans le code ci-dessus.
Veuillez aider
Cordialement, Amitesh
Imprimer la forme X_train. Que vois-tu? Je parierais X_train
est 2d (matrice avec une seule colonne), tandis que y_train
1d (vecteur). À son tour, vous obtenez différentes tailles.
Je pense qu'en utilisant X_train[:,0]
pour le traçage (d'où provient l'erreur) devrait résoudre le problème
Trancher avec [:, :-1]
Vous donnera un tableau bidimensionnel (comprenant toutes les lignes et toutes les colonnes à l'exclusion de la dernière colonne).
Le découpage avec [:, 1]
Vous donnera un tableau 1-dimensionnel (incluant toutes les lignes de la deuxième colonne). Pour rendre ce tableau également bidimensionnel, utilisez [:, 1:2]
Ou [:, 1].reshape(-1, 1)
ou [:, 1][:, None]
Au lieu de [:, 1]
. Cela rendra x
et y
comparables.
Une alternative à rendre les deux tableaux bidimensionnels est de les rendre tous les deux unidimensionnels. Pour cela, on ferait [:, 0]
(Au lieu de [:, :1]
) Pour sélectionner la première colonne et [:, 1]
Pour sélectionner la deuxième colonne.
Dans mon cas, le problème était que la taille de test_size était différente de la plage du nuage de points. La plage doit être la même que la taille de test (40% dans votre code) de l'observation totale. Ici, vous devez définir la plage de votre nuage de points comme 40% du total des observations que vous traitez dans votre modèle.