如何在普通最小二乘回归图中使用OneHotEncoder输出

Question

我一直在尝试使用scikit学习库执行普通最小二乘回归，但遇到了另一个难题。

我使用OneHotEncoder对我的（独立）虚拟/分类功能进行了二值化，我有一个如下数组：

x = [[ 1.  0.  0. ...,  0.  0.  0.]
     [ 1.  0.  0. ...,  0.  0.  0.]
     [ 0.  1.  0. ...,  0.  0.  0.]
     ..., 
     [ 0.  0.  0. ...,  0.  0.  0.]
     [ 0.  0.  1. ...,  0.  0.  0.]
     [ 1.  0.  0. ...,  0.  0.  0.]]

因变量（Y）存储在一维数组中。一切都很美好，但现在当我绘制这些值时，我得到了一个错误：

# Plot outputs
pl.scatter(x_test, y_test, color='black')

ValueError:x和y的大小必须相同

当我分别在X和Y上使用numpy.size时，很明显这是一个合理的错误：

>>> print np.size(x)
5096
>>> print np.size(y)
98

有趣的是，拟合方法可以接受这两组数据。

我的问题是如何转换OneHotEncoder的输出以在回归中使用？

Answer 1

如果我理解正确，您将X矩阵作为[m X n]矩阵的输入，以及[n X 1]的一些输出Y，其中m=特征数量，n=数据点数量。

首先，线性回归拟合函数不会考虑X是维数[m x n]，Y是维数[n x 1]，因为它只会使用维数[1 x m]的参数，即，

Y = theta * X

不幸的是，正如Eikenberg所指出的，您不能像以前那样使用matplotlibs分散调用根据Y值绘制所有X特征，因此您会收到大小不兼容的错误消息，它希望绘制n X n而不是（n X m）X n。

要解决问题，请尝试一次查看一个功能：

pl.scatter(x_test[:,0], y_test, color='black')

假设您已将数据标准化（减去平均值，再除以平均值），一种快速而肮脏的查看趋势的方法是将所有趋势绘制在一个轴上：

fig = plt.figure(0)
ax = fig.add_subplot(111)

n, m = x_test.size
for i in range(m):
   ax.scatter(x_test[:,m], y_test)

plt.show()

要在独立的图形上一次可视化（取决于功能的数量），然后查看，例如，subplot2rid例程或另一个像熊猫一样的python模块。