ValueError: Expected 2D array, got 1D array instead

@Владими58 · Регистрация: 26.11.2020

Студворк — интернет-сервис помощи студентам

Полдня сижу и не могу понять в чем дело, пытаюсь сделать логистическую регрессию.

Python
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split, GridSearchCV, cross_val_score, RepeatedStratifiedKFold, StratifiedKFold
from sklearn.metrics import accuracy_score, confusion_matrix,roc_curve, roc_auc_score, precision_score, recall_score, precision_recall_curve
from sklearn.metrics import f1_score
 
normalized_df_reg = LogisticRegression().fit(x_train, y_train)
normalized_df_reg_pred = normalized_df_reg.predict(x_test)
 
acc = accuracy_score(y_test, normalized_df_reg_pred)
print(f"The accuracy score for Logreg is: {round(acc,3)*100}%")
 
f1 = fl_score(y_test, normalized_df_reg_pred)
print(f"The f1 score for LogReg is: {round(f1,3)*100}%")
 
precision = precision_score(y_test, normalized_df_reg_pred)
print(f"The precision score for Logkeg is: {round(precision,3)*100}%")
 
recall = recall_score(y_test, normalized_df_reg_pred)
print(f"The recall score for Logkeg is: {round(recall,3)*100}%")

вот ошибка:
ValueError Traceback (most recent call last)
~\AppData\Local\Temp/ipykernel_14800/91225549.py in <module>
4 from sklearn.metrics import f1_score
5
----> 6 normalized_df_reg = LogisticRegression().fit(x_train, y_train)
7 normalized_df_reg_pred = normalized_df_reg.predict(x_test)
8

~\anaconda3\lib\site-packages\sklearn\linear_model\_logistic. py in fit(self, X, y, sample_weight)
1342 _dtype = [np.float64, np.float32]
1343
-> 1344 X, y = self._validate_data(X, y, accept_sparse='csr', dtype=_dtype,
1345 order="C",
1346 accept_large_sparse=solver != 'liblinear')

~\anaconda3\lib\site-packages\sklearn\base.py in _validate_data(self, X, y, reset, validate_separately, **check_params)
431 y = check_array(y, **check_y_params)
432 else:
--> 433 X, y = check_X_y(X, y, **check_params)
434 out = X, y
435

~\anaconda3\lib\site-packages\sklearn\utils\validation.py in inner_f(*args, **kwargs)
61 extra_args = len(args) - len(all_args)
62 if extra_args <= 0:
---> 63 return f(*args, **kwargs)
64
65 # extra_args > 0

~\anaconda3\lib\site-packages\sklearn\utils\validation.py in check_X_y(X, y, accept_sparse, accept_large_sparse, dtype, order, copy, force_all_finite, ensure_2d, allow_nd, multi_output, ensure_min_samples, ensure_min_features, y_numeric, estimator)
869 raise ValueError("y cannot be None")
870
--> 871 X = check_array(X, accept_sparse=accept_sparse,
872 accept_large_sparse=accept_large_sparse,
873 dtype=dtype, order=order, copy=copy,

~\anaconda3\lib\site-packages\sklearn\utils\validation.py in inner_f(*args, **kwargs)
61 extra_args = len(args) - len(all_args)
62 if extra_args <= 0:
---> 63 return f(*args, **kwargs)
64
65 # extra_args > 0

~\anaconda3\lib\site-packages\sklearn\utils\validation.py in check_array(array, accept_sparse, accept_large_sparse, dtype, order, copy, force_all_finite, ensure_2d, allow_nd, ensure_min_samples, ensure_min_features, estimator)
692 # If input is 1D raise error
693 if array.ndim == 1:
--> 694 raise ValueError(
695 "Expected 2D array, got 1D array instead:\narray={}.\n"
696 "Reshape your data either using array.reshape(-1, 1) if "

ValueError: Expected 2D array, got 1D array instead:
array=[7. 2. 1. 2. 1. 2. 1. 2. 1. 5. 7. 2. 2. 1. 1. 2. 7. 3. 6. 7. 2. 2. 1. 1.
6. 3. 2. 6. 3. 2. 2. 1. 1. 1. 3. 2. 7. 2. 2. 7. 1. 1. 1. 2. 2. 2. 3. 1.
1. 2. 2. 7. 2. 2. 2. 2. 1. 5. 7. 2. 1. 2. 2. 7. 1. 1. 6. 6. 1. 1. 2. 7.
5. 1. 2. 2. 2. 1. 2. 2. 7. 1. 7. 2. 7. 1. 1. 2. 1. 2. 2. 2. 2. 2. 1. 2.
7. 1. 1. 2. 6. 2. 1. 1. 1. 2. 7. 3. 1. 7. 3. 6. 1. 1. 7. 1. 7. 1. 7. 2.
1. 5. 2. 2. 1. 1. 2. 2. 1. 2. 1. 7. 1. 2. 1. 1. 1. 3. 1. 3. 1. 1. 2. 5.
2. 1. 1. 1. 3. 1. 5. 2. 1. 2. 5. 1. 3. 3. 1. 3. 7. 2. 2. 3. 2. 2. 2. 1.
1. 2. 7.].
Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample.

@Владими58 · 24.06.2022, 19:30 **[ТС]**

Expected 2D array, got 1D array instead:
array=[7. 2. 1. 2. 1. 2. 1. 2. 1. 5. 7. 2. 2. 1. 1. 2. 7. 3. 6. 7. 2. 2. 1. 1.
6. 3. 2. 6. 3. 2. 2. 1. 1. 1. 3. 2. 7. 2. 2. 7. 1. 1. 1. 2. 2. 2. 3. 1.
1. 2. 2. 7. 2. 2. 2. 2. 1. 5. 7. 2. 1. 2. 2. 7. 1. 1. 6. 6. 1. 1. 2. 7.
5. 1. 2. 2. 2. 1. 2. 2. 7. 1. 7. 2. 7. 1. 1. 2. 1. 2. 2. 2. 2. 2. 1. 2.
7. 1. 1. 2. 6. 2. 1. 1. 1. 2. 7. 3. 1. 7. 3. 6. 1. 1. 7. 1. 7. 1. 7. 2.
1. 5. 2. 2. 1. 1. 2. 2. 1. 2. 1. 7. 1. 2. 1. 1. 1. 3. 1. 3. 1. 1. 2. 5.
2. 1. 1. 1. 3. 1. 5. 2. 1. 2. 5. 1. 3. 3. 1. 3. 7. 2. 2. 3. 2. 2. 2. 1.
1. 2. 7.].
Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample.

@Red white socks · 25.06.2022, 17:18

Сообщение от Владими58

Expected 2D array, got 1D array instead

Что в этой фразе непонятно? Примеры в доке смотрели? Х должен быть двумерным массивом

Добавлено через 3 минуты

Сообщение от Владими58

array=[7. 2. 1. 2. 1. 2. 1. 2. 1. 5. 7. 2. 2. 1. 1. 2. 7. 3. 6. 7. 2. 2. 1. 1.
6. 3. 2. 6. 3. 2. 2. 1. 1. 1. 3. 2. 7. 2. 2. 7. 1. 1. 1. 2. 2. 2. 3. 1.
1. 2. 2. 7. 2. 2. 2. 2. 1. 5. 7. 2. 1. 2. 2. 7. 1. 1. 6. 6. 1. 1. 2. 7.
5. 1. 2. 2. 2. 1. 2. 2. 7. 1. 7. 2. 7. 1. 1. 2. 1. 2. 2. 2. 2. 2. 1. 2.
7. 1. 1. 2. 6. 2. 1. 1. 1. 2. 7. 3. 1. 7. 3. 6. 1. 1. 7. 1. 7. 1. 7. 2.
1. 5. 2. 2. 1. 1. 2. 2. 1. 2. 1. 7. 1. 2. 1. 1. 1. 3. 1. 3. 1. 1. 2. 5.
2. 1. 1. 1. 3. 1. 5. 2. 1. 2. 5. 1. 3. 3. 1. 3. 7. 2. 2. 3. 2. 2. 2. 1.
1. 2. 7.]

А это что за зверь еще? Как вы вообще этот массив получили?

Добавлено через 13 минут
Посмотрел код, не увидел сразу вложение
Вы перепутали в регрессии предикторы с зависимой переменной
Вот здесь

Python
1
2
x = df['Type']
y = df.drop(['Type'], axis = 1)

х и у местами поменяйте

Новые блоги и статьи Все статьи Все блоги /
Как я обхитрил таблицу Word Alexander-7 21.03.2026 Когда мигает курсор у внешнего края таблицы, и нам надо перейти на новую строку, а при нажатии Enter создается новый ряд таблицы с ячейками, то мы вместо нервных нажатий Энтеров мы пишем любые буквы. . .	Krabik - рыболовный бот для WoW 3.3.5a AmbA 21.03.2026 без регистрации и смс. Это не торговля, приложение не содержит рекламы. Выполняет свою непосредственную задачу - автоматизацию рыбалки в WoW - и ничего более. Однако если админы будут против -. . .	Программный отбор значений справочника Maks 21.03.2026 Установка программного отбора значений справочника "Сотрудники" из модуля формы документа. В качестве фильтра для отбора служит предопределенное значение перечислений. Процедура. . .	Переходник USB-CAN-GPIO Eddy_Em 20.03.2026 Достаточно давно на работе возникла необходимость в переходнике CAN-USB с гальваноразвязкой, оный и был разработан. Однако, все меня терзала совесть, что аж 48-ногий МК используется так тупо: просто. . .
Оттенки серого Argus19 18.03.2026 Оттенки серого Нашёл в интернете 3 прекрасных модуля: Модуль класса открытия диалога открытия/ сохранения файла на Win32 API; Модуль класса быстрого перекодирования цветного изображения в оттенки. . .	SDL3 для Desktop (MinGW): Рисуем цветные прямоугольники с помощью рисовальщика SDL3 на Си и C++ 8Observer8 17.03.2026 Содержание блога Финальные проекты на Си и на C++: finish-rectangles-sdl3-c. zip finish-rectangles-sdl3-cpp. zip	Символические и жёсткие ссылки в Linux. algri14 15.03.2026 Существует два типа ссылок — символические и жёсткие. Ссылка в Linux — это запись в каталоге, которая может указывать либо на inode «файла-ИСТОЧНИКА», тогда это будет «жёсткая ссылка» (hard link),. . .	[Owen Logic] Поддержание уровня воды в резервуаре количеством включённых насосов: моделирование и выбор регулятора ФедосеевПавел 14.03.2026 Поддержание уровня воды в резервуаре количеством включённых насосов: моделирование и выбор регулятора ВВЕДЕНИЕ Выполняя задание на управление насосной группой заполнения резервуара,. . .

@Владими58 0 / 0 / 0 Регистрация: 26.11.2020 Сообщений: 24
	24.06.2022, 19:30 [ТС]
	Expected 2D array, got 1D array instead: array=[7. 2. 1. 2. 1. 2. 1. 2. 1. 5. 7. 2. 2. 1. 1. 2. 7. 3. 6. 7. 2. 2. 1. 1. 6. 3. 2. 6. 3. 2. 2. 1. 1. 1. 3. 2. 7. 2. 2. 7. 1. 1. 1. 2. 2. 2. 3. 1. 1. 2. 2. 7. 2. 2. 2. 2. 1. 5. 7. 2. 1. 2. 2. 7. 1. 1. 6. 6. 1. 1. 2. 7. 5. 1. 2. 2. 2. 1. 2. 2. 7. 1. 7. 2. 7. 1. 1. 2. 1. 2. 2. 2. 2. 2. 1. 2. 7. 1. 1. 2. 6. 2. 1. 1. 1. 2. 7. 3. 1. 7. 3. 6. 1. 1. 7. 1. 7. 1. 7. 2. 1. 5. 2. 2. 1. 1. 2. 2. 1. 2. 1. 7. 1. 2. 1. 1. 1. 3. 1. 3. 1. 1. 2. 5. 2. 1. 1. 1. 3. 1. 5. 2. 1. 2. 5. 1. 3. 3. 1. 3. 7. 2. 2. 3. 2. 2. 2. 1. 1. 2. 7.]. Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample. 0