我正在学习一门机器学习课程，该课程的讲师在多项式线性回归的预测函数中传递浮点参数，并且对他有效。但是，当我通过代码时，它会抛出错误说明
“预期的2D数组，改为标量数组”。
我试图将标量使用到数组中，但它似乎不起作用。
# Polynomial Regression
# Importing the libraries
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
# Importing the dataset
dataset = pd.read_csv('Position_Salaries.csv')
X = dataset.iloc[:, 1:2].values
y = dataset.iloc[:, 2].values
# Splitting the dataset into the Training set and Test set
"""from sklearn.cross_validation import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.2, random_state = 0)"""
# Feature Scaling
"""from sklearn.preprocessing import StandardScaler
sc_X = StandardScaler()
X_train = sc_X.fit_transform(X_train)
X_test = sc_X.transform(X_test)"""
# Fitting Linear Regression to the dataset
from sklearn.linear_model import LinearRegression
lin_reg = LinearRegression()
lin_reg.fit(X, y)
# Fitting Polynomial Regression to the dataset
from sklearn.preprocessing import PolynomialFeatures
poly_reg = PolynomialFeatures(degree = 4)
X_poly = poly_reg.fit_transform(X)
poly_reg.fit(X_poly, y)
lin_reg_2 = LinearRegression()
lin_reg_2.fit(X_poly, y)
# Predicting a new result with Linear Regression
lin_reg.predict(6.5)
该代码对于讲师来说似乎运行顺利。但是，我收到以下错误：
ValueError：预期的2D数组，而是标量数组：
数组= 6.5。
如果数据具有单个功能，则使用array.reshape（-1，1）重整数据；如果包含单个样本，则使用array.reshape（1，-1）重整数据。
This is the error that I am getting.
最佳答案
实际上，预测函数接受2D数组作为输入，因此您可以将6.5放在这样的大括号中[[6.5]]
lin_reg.predict([[6.5]])
这将起作用。
关于python - 如何在Python的预测函数中传递float参数？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/57223874/