使用sklearn的线性回归

Question

我有一个包含数据的模型，但在使用预测函数时遇到了问题。

d = {'df_Size': [1, 3, 5, 8, 10, 15, 18], 'RAM': [3676, 6532, 9432, 13697, 16633, 23620, 27990]}
df = pd.DataFrame(data=d)
df
X = np.array(df['df_Size']).reshape(-1, 1) 
y = np.array(df['RAM']).reshape(-1, 1) 
model = LinearRegression() 
model.fit(X, y) 
print(regr.score(X, y))
then when I try to predict on 
X_Size = 25
X_Size
prediction = model.predict(X_Size)

我得到以下错误

ValueError:应为2D数组，而得到的却是标量数组：数组=25。使用array.Reshape(-1，1((如果数据具有单个特征(或array.reshaze(1，-1((如果包含单个样本(来重塑数据。

我认为我以错误的形式通过了25排，但考虑到25排，我只想帮助拉姆获得回应。

谢谢，

Answer 1

您需要以相同的形状(基本上是1列(传递预测器：

X.shape                                                                 
Out[11]: (7, 1)

你可以做：

model.predict(np.array(25).reshape(1,1))