reshape numpyへの変換について

Question

前提・実現したいこと

kaggleのHousepricesを利用しています
reshapeを利用するということは検索で分かったのですが
自分のコードでのあてはめ方が分からないです。
Python学習して数週間の初心者のため、
分かりやすく教えていただけたら幸いです。
重回帰分析を利用しようとしています。

エラーメッセージ
ValueError: Expected 2D array, got 1D array instead:

該当のソースコード

# This Python 3 environment comes with many helpful analytics libraries installed
# It is defined by the kaggle/python Docker image: https://github.com/kaggle/docker-python
# For example, here's several helpful packages to load

import numpy as np # linear algebra
import pandas as pd # data processing, CSV file I/O (e.g. pd.read_csv)

# Input data files are available in the read-only "../input/" directory
# For example, running this (by clicking run or pressing Shift+Enter) will list all files under the input directory

import os
for dirname, _, filenames in os.walk('/kaggle/input'):
    for filename in filenames:
        print(os.path.join(dirname, filename))

# You can write up to 5GB to the current directory (/kaggle/working/) that gets preserved as output when you create a version using "Save & Run All" 
# You can also write temporary files to /kaggle/temp/, but they won't be saved outside of the current session

#データ加工・処理・分析ライブラリ
import numpy as np
import numpy.random as random
import scipy as sp
import pandas as pd


#可視化ライブラリ
import matplotlib.pyplot as plt
import matplotlib as mp1
import seaborn as sns
%matplotlib inline

#機械学習ライブラリ
import sklearn
import sklearn.preprocessing as pp
import sklearn.model_selection as ms
import sklearn.metrics as metrics
import json

from sklearn import linear_model
from matplotlib import pyplot as plt
from sklearn.metrics import mean_squared_error
from sklearn.preprocessing import StandardScaler
from sklearn.model_selection import train_test_split
from sklearn.pipeline import make_pipeline
from sklearn.linear_model import (
    LinearRegression,
    Ridge,
    Lasso
)
#少数第3位まで表示
%precision 3

#データの読み込み
train = pd.read_csv('../input/house-prices-advanced-regression-techniques/train.csv') #テストデータ
test = pd.read_csv('../input/house-prices-advanced-regression-techniques/test.csv') #訓練データ
alldata = pd.concat([train,test],axis=0).reset_index(drop=True)
print("Train data shape:",train.shape)
print("Test data shape:",test.shape)

#物件の広さを合計した変数を作成
train["TotalSF"] = train["GrLivArea"] + train["GarageArea"] + train["TotalBsmtSF"] + train["1stFlrSF"] + train["2ndFlrSF"] 
test["TotalSF"] =  test["GrLivArea"] + test["GarageArea"] + test["TotalBsmtSF"]+test["1stFlrSF"] + test["2ndFlrSF"] 

#今回使うSalePriceとTotalSFのみのデータに置き換える
train = train[["SalePrice","GrLivArea","GarageArea","TotalBsmtSF","1stFlrSF","2ndFlrSF"]]

#データ分割（訓練データとテストデータ）のためのインポート
from sklearn.model_selection import train_test_split

#重回帰のモデル構築のためのインポート
from sklearn.linear_model import LinearRegression

#目的変数にSalePriceを指定、説明変数にそれ以外を指定
X = train.drop("SalePrice",axis=1)
y = train["SalePrice"]

#訓練データとテストデータに分ける
train_X,test_X,train_y,test_y = train_test_split(X,y,test_size=0.5,random_state=0)

train_X.head()

#重回帰クラスの初期化と学習
model = LinearRegression()
model.fit(train_y,train_X)


#決定係数を表示
print('決定係数(train):{:.3f}'.format(model.score(train_x,train_y)))
print('決定係数(test):{:.3f}'.format(model.score(test_x,test_y)))

#回帰係数と切片を表示
print('\n回帰係数\n{}'.format(pd.Series(model.coef_,index=X.columns)))
print('切片:{:.3f}'.format(model.intercept_))

試したこと

reshapeを試しましたが、NumPyへの変換を行わなければならないというような
エラーが出てしまい、
さらに訂正を加えている間に、よく分からなくなりました。

Answer 1

まず気になることは

model.fit(train_y,train_X)

の部分でtrain_yとtrain_Xが逆ではないでしょうか。

またscikit-learnの多くの分類器に入力するX, yのshapeの形は

X.shape == (データ数, 特徴量の数)
y.shape == (データ数, )

とする必要がありますので、それぞれ確認して下さい。

Comments

[Canchan]

単純なミスでした。。。
ありがとうございます！