sklearn Logistic回归“ ValueError：找到的数组具有暗3。估计器期望值<=2。”
我尝试在此笔记本中解决此问题6。问题是通过使用来自的LogisticRegression模型，使用50、100、1000和5000个训练样本在此数据上训练简单模型sklearn.linear_model。
lr = LogisticRegression()
lr.fit(train_dataset,train_labels)
这是我尝试执行的代码，它给了我错误。
ValueError：找到的数组为暗3。估计量应小于等于2。
任何想法？
更新1：更新到Jupyter Notebook的链接。
问题答案：
scikit-learn期望2d num数组用于拟合函数的训练数据集。您传入的数据集是一个3d数组，您需要将其重塑为2d形状。
nsamples, nx, ny = train_dataset.shape
d2_train_dataset = train_dataset.reshape((nsamples,nx*ny))
-
回溯（最近调用的最后一次）： 文件“”，第1行，在runfile('/experient.py',wdir='/tensorflow')中 文件“C:\users\hp\anaconda3\lib\site-packages\spyder\utils\site\sitecustomize.py”，第710行，在runfile execfile（文件名，命名空间）中 文件“C:\users\hp\a
-
问题内容： 我简单的python代码是这样 这很好。但是最近我什至没有做任何改变。这丢给我了 ret，contours，hierachy = cv2.findContours（阈值，cv2.RETR_TREE，cv2.CHAIN_APPROX_SIMPLE） ValueError：没有足够的值可解包（预期3，得到2） 帮帮我 谢谢。 问题答案： 该函数已更改为仅返回轮廓和层次结构，而不返回 您应该
-
该函数的目标是创建一个周期性地发出值的流，直到遇到与谓词匹配的值。 下面是我提出的一些框架代码： 和一些将检索正确阶段的callable，我应该能够传递callable和谓词检查是否，并轮询直到获得事件。 我遇到的问题是，当收到的事件不是最终事件时，生成一个可观察的事件。在这种情况下，observable应该继续轮询事件，直到它接收到与谓词匹配的事件，或者直到它没有更多的订阅服务器。 这一点可以观
-
问题内容： 说我有一个像这样的数组： 如何计算具有给定值的数字（在示例中为空白）？ 而且有效吗？（大约十二个数组，每个数组包含数百个元素）此示例超时（超过30秒）： 在这种情况下，空白元素的数量为3。 问题答案： 如何使用array_count _values来获得一个为您计算一切的数组？
-
当我使用澳大利亚数据集编写降雨预测代码时，我在拟合ann模型并运行10的纪元值时遇到了错误。我使用numpy、熊猫、matplotlib、seborn等库作为导入。对于模型的运行，我使用Keras进行密集和顺序搜索。我还使用标准标量来标准化x的值。我得到了这一行的错误-ann.fit（x_train，y_train，batch_size=10，nb_epoch=10，详细=1）下面是我的错误-Va
-
问题内容： 此Python代码： 引发此错误信息： 谁能告诉我该怎么办才能解决上面破碎的代码中的问题，以便停止抛出错误消息？ 编辑： 我做了一个打印命令来获取矩阵的内容，这就是它打印出来的内容： 对我来说，这看起来像是5行乘13列的矩阵，但是当通过脚本运行不同的数据时，行数是可变的。使用我要添加的相同数据。 编辑2：但是，脚本抛出错误。因此，我认为您的想法不能解释此处正在发生的问题。谢谢你 还有其