LinearRegression TypeError

Question

​

​

上面的屏幕截图引用为as: sample.xlsx。我在使用LinearRegression()函数获取每个股票的beta版时遇到了困难。输入：

import numpy as np
import pandas as pd
from sklearn.linear_model import LinearRegression

df = pd.read_excel('sample.xlsx')
mean = df['ChangePercent'].mean()

for index, row in df.iterrows():
    symbol = row['stock']
    perc = row['ChangePercent']

    x = np.array(perc).reshape((-1, 1))
    y = np.array(mean)
    model = LinearRegression().fit(x, y)
    print(model.coef_)

输出:第16行: model = LinearRegression().fit(x，y) "Singleton数组%r不能被视为有效集合“%x TypeError: Singleton数组(3.34)不能被视为有效集合。如何使集合有效，以便为每个股票获得一个beta值(model.coef_)？

Answer 1

X和y必须具有相同的形状，所以您需要将x和y都整形为1行和1列。在这种情况下，恢复如下：

np.array(mean).reshape(-1,1)或np.array(mean).reshape(1,1)

假设您正在训练5个分类器，每个分类器只有一个值，这5个模型将“了解”线性回归系数为0，截距为3.37 (y)，这并不奇怪。

import numpy as np
import pandas as pd
from sklearn.linear_model import LinearRegression

df = pd.DataFrame({
    "stock": ["ABCD", "XYZ", "JK", "OPQ", "GHI"],
    "ChangePercent": [-1.7, 30, 3.7, -15.3, 0]
    })

mean = df['ChangePercent'].mean()

for index, row in df.iterrows():
    symbol = row['stock']
    perc = row['ChangePercent']

    x = np.array(perc).reshape(-1,1)
    y = np.array(mean).reshape(-1,1)
    model = LinearRegression().fit(x, y)
    print(f"{model.intercept_} + {model.coef_}*{x} = {y}")

从算法的角度来看，这是正确的，但这没有任何实际意义，因为你只是提供一个例子来训练每个模型。