python-3.x - 如何将标量数组转换为二维数组？

我是机器学习的新手，在将标量数组转换为2d数组时遇到一些问题。
我正在尝试在spyder中实现多项式回归。这是我的代码，请帮忙！

# Polynomial Regression

# Importing the libraries
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

# Importing the dataset
dataset = pd.read_csv('Position_Salaries.csv')
X = dataset.iloc[:, 1:2].values
y = dataset.iloc[:, 2].values

# Fitting Linear Regression to the dataset
from sklearn.linear_model import LinearRegression
lin_reg = LinearRegression()
lin_reg.fit(X, y)

# Fitting Polynomial Regression to the dataset
from sklearn.preprocessing import PolynomialFeatures
poly_reg = PolynomialFeatures(degree = 4)
X_poly = poly_reg.fit_transform(X)
poly_reg.fit(X_poly, y)
lin_reg_2 = LinearRegression()
lin_reg_2.fit(X_poly, y)

# Predicting a new result with Linear Regression
lin_reg.predict(6.5)

# Predicting a new result with Polynomial Regression
lin_reg_2.predict(poly_reg.fit_transform(6.5))

  ValueError：预期的2D数组，改为标量数组：array = 6.5。
  如果您的数据具有一个重整形，则可以使用array.reshape（-1，1）重整数据
  单个特征或array.reshape（1，-1）（如果包含单个样本）。

最佳答案

您只能在Jupyter中获得此问题。
要在jupyter中解析，请使用以下代码将值放入np数组。

lin_reg.predict(np.array(6.5).reshape(1,-1))
lin_reg_2.predict(poly_reg.fit_transform(np.array(6.5).reshape(1,-1)))

对于spyder，其工作原理与您预期的相同：

lin_reg.predict(6.5)
lin_reg_2.predict(poly_reg.fit_transform(6.5))

关于python-3.x - 如何将标量数组转换为二维数组？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/55063175/