Hoe deze waardeeror op te lossen: slechts 2 niet-trefwoordargumenten geaccepteerd Sklearn Python

Hallo, ik ben nieuw in Sklearn in Python en ik probeer het te leren en deze module te gebruiken om enkele nummers te voorspellen op basis van twee functies hier is de fout die ik krijg:

ValueError: slechts 2 niet-trefwoordargumenten geaccepteerd

en hier is mijn code:

   from sklearn.linear_model import LinearRegression
    import numpy as np
    trainingData = np.array([[861, 16012018], [860, 12012018], [859, 9012018], [858, 5012018], [857, 2012018], [856, 29122017], [855, 26122017], [854, 22122017], [853, 19122017]])
    trainingScores = np.array([11,18,23,33,34,6],[10,19,21,33,34,1], [14,18,22,23,31,6],[16,22,29,31,33,10],[21,24,27,30,31,6],[1,14,15,20,27,7],[1,9,10,11,15,8],[2,9,27,31,35,1],[7,13,18,22,33,2])
    clf = LinearRegression(fit_intercept=True)
    clf.fit(trainingScores,trainingData)
   predictionData = np.array([862, 19012018 ])
   x=clf.predict(predictionData)
   print(x)

Antwoord 1, Autoriteit 100%

Ik weet niet zeker wat u hier probeert te doen, maar verander deze regel:

trainingScores = np.array([11,18,23,33,34,6],[10,19,21,33,34,1], [14,18,22,23,31,6],[16,22,29,31,33,10],[21,24,27,30,31,6],[1,14,15,20,27,7],[1,9,10,11,15,8],[2,9,27,31,35,1],[7,13,18,22,33,2])

Naar deze (zie de extra vierkante beugels rond uw gegevens):

trainingScores = np.array([[11,18,23,33,34,6],[10,19,21,33,34,1], [14,18,22,23,31,6],[16,22,29,31,33,10],[21,24,27,30,31,6],[1,14,15,20,27,7],[1,9,10,11,15,8],[2,9,27,31,35,1],[7,13,18,22,33,2]])

Wijzig vervolgens de volgorde van de paramumenten in FIT () zoals deze:

clf.fit(trainingData,trainingScores)

en verander uiteindelijk voorspellingsgegevens zoals deze (kijk opnieuw naar de extra vierkante beugels):

predictionData = np.array([[862, 19012018]])

Hierna wordt uw code uitgevoerd.


Antwoord 2

U doet een lineaire regressiecode in ML en probeer deze regel met

te wijzigen

trainingScores = np.array(
  [11,18,23,33,34,6],
  [10,19,21,33,34,1], 
  [14,18,22,23,31,6],
  [16,22,29,31,33,10],
  [21,24,27,30,31,6],
  [1,14,15,20,27,7],
  [1,9,10,11,15,8],
  [2,9,27,31,35,1],
  [7,13,18,22,33,2]
)

Other episodes