我正在尝试评估一个多元线性回归模型。我有一个如下所示的数据集：
这个数据集有157行 * 54列。
我需要从文章中预测ground_truth值。我将在en_Amantadine和en_Common之间添加我的多元线性模型的7篇文章。
我有用于多元线性回归的代码：
from sklearn.linear_model import LinearRegressionX = [[6, 2], [8, 1], [10, 0], [14, 2], [18, 0]] // 需要为我的问题修改y = [[7],[9],[13],[17.5], [18]] // 需要修改model = LinearRegression()model.fit(X, y)我的问题是，我无法从我的DataFrame中提取X和y变量的数据。在我的代码中，X应该是这样的：
X = [[4984, 94, 2837, 857, 356, 1678, 29901], [4428, 101, 4245, 906, 477, 2313, 34176], .... ]y = [[3.135999], [2.53356] ....]我无法将DataFrame转换为这种类型的结构。我该怎么做？
任何帮助都将不胜感激。
回答：
您可以使用as_matrix方法直接在数据框对象上将其转换为矩阵。您可能需要指定您感兴趣的列，例如X=df[['x1','x2','X3']].as_matrix()，其中不同的x是列名。
对于y变量，您可以使用y = df['ground_truth'].values来获取一个数组。
这里有一个使用随机生成数据的示例：
import numpy as np#create a 5X5 dataframedf = pd.DataFrame(np.random.random_integers(0, 100, (5, 5)), columns = ['X1','X2','X3','X4','y'])在df上调用as_matrix()会返回一个numpy.ndarray对象
X = df[['X1','X2','X3','X4']].as_matrix()调用values会从pandas的series返回一个numpy.ndarray
y =df['y'].values注意：您可能会收到一个警告，说：FutureWarning: Method .as_matrix will be removed in a future version. Use .values instead.
要解决这个问题，请使用values代替as_matrix，如下所示
X = df[['X1','X2','X3','X4']].values