Errore con Sklearn a caso Foresta Regressor

Question

Quando si tenta di montare un modello a caso Foresta Regressor con i dati y che assomiglia a questo:

[ 0.00000000e+00 1.36094276e+02 4.46608221e+03 8.72660888e+03 
    1.31375786e+04 1.73580193e+04 2.29420671e+04 3.12216341e+04 
    4.11395711e+04 5.07972062e+04 6.14904935e+04 7.34275322e+04 
    7.87333933e+04 8.46302456e+04 9.71074959e+04 1.07146672e+05 
    1.17187952e+05 1.26953374e+05 1.37736003e+05 1.47239359e+05 
    1.53943242e+05 1.78806710e+05 1.92657725e+05 2.08912711e+05 
    2.22855152e+05 2.34532982e+05 2.41391255e+05 2.48699216e+05 
    2.62421197e+05 2.79544300e+05 2.95550971e+05 3.13524275e+05 
    3.23365158e+05 3.24069067e+05 3.24472999e+05 3.24804951e+05 

E X dati che assomiglia a questo:

[ 735233.27082176 735234.27082176 735235.27082176 735236.27082176 
    735237.27082176 735238.27082176 735239.27082176 735240.27082176 
    735241.27082176 735242.27082176 735243.27082176 735244.27082176 
    735245.27082176 735246.27082176 735247.27082176 735248.27082176 

Con il codice seguente:

regressor = RandomForestRegressor(n_estimators=150, min_samples_split=1) 
rgr = regressor.fit(X,y) 

ottengo questo errore:

ValueError: Number of labels=600 does not match number of samples=1 

Presumo che uno dei miei insiemi di valori sia nel formato errato ma non è troppo chiaro per me dalla documentazione.

Answer 1

La forma del X dovrebbe essere [n_samples, n_features], è possibile trasformare X da

X = X[:, None] 

Answer 2

Si tratta di trattare la vostra lista di campioni X come 1 campione come un vettore in modo le seguenti opere

rgr = regressor.fit(map(lambda x: [x],X),y) 

Potrebbe esserci un modo più efficiente di farlo in numpy con vstack.