エラーへの対処の仕方がわかりません。

Question

前提・実現したいこと

以下のサイトのサイプルコードを変えながら、最小二乗法を実施しようとしております。
https://medium.com/micin-developers/decipher-github-lr-sw-40e519a13c0a

サンプルコード

# 必要なライブラリのインポート
import numpy                as     np
import matplotlib.pyplot    as     plt
from   sklearn.linear_model import LinearRegression
# 観測点の生成（等間隔のxに対して、ノイズを乗っけたｙを生成）
np.random.seed(0)
x      = (np.arange(51) / 50)[:, np.newaxis]
noise  = (np.random.rand(51) / 3)[:, np.newaxis]
y      = (x * 2) + noise
# --------------------------------------------------
# scikit-learnのsolverによって、近似直線を得る
clf    = LinearRegression(fit_intercept=True)
clf.fit(X=x, y=y)
y_hat  = clf.predict(x)
# --------------------------------------------------
# 最小二乗法の式を解いて、近似直線式の係数を得る
x_     = np.concatenate([x, np.ones(np.shape(x))], axis=1)
w      = np.dot(np.linalg.inv(np.dot(x_.T, x_)), np.dot(x_.T, y))
y_hat_ = np.dot(x_, w)
# --------------------------------------------------
# x、yと学習によって得た近似直線を描画する
cmap   = plt.get_cmap("tab10")
plt.figure(figsize=(12,16), dpi=100)
plt.subplot(2, 1, 1)
plt.grid(which='major', color=[0.7, 0.7, 0.7], linestyle='-')
plt.scatter(x, y, s=300, alpha=0.7, color=cmap(0), label='観測点')
plt.plot(x, y_hat, linewidth=10, alpha=0.7, color=cmap(1), label='近似曲線 by scikit-learn')
plt.plot(x, y_hat_, linewidth=8, alpha=0.3, color=cmap(2), label='近似曲線 by 最小二乗法', linestyle='--')
plt.legend(fontsize=15, loc='lower right')
plt.ylim([0, 3.5])
print('scikit-learnで解いたweight = [%.3f, %.3f]' % (clf.coef_, clf.intercept_))
print('最小二乗法で解いたweight     = [%.3f, %.3f]' % (w[0], w[1]))
plt.show()

変更したコード

サンプルコードの観測点の部分を、実験値に置き換えただけです。

# 必要なライブラリのインポート
import numpy                as     np
import matplotlib.pyplot    as     plt
from   sklearn.linear_model import LinearRegression
# 測定値
x = np.array([6.26379, 8.57417, 8.66527, 8.75069, 11.6708, 12.3487, 14.5032, 15.7422, 21.7646, 23.0518, 26.5069, 26.4035, 26.321, 23.0045, 19.2654, 17.9425, 14.5669, 13.513, 10.4902, 9.95136, 9.77395])
y = np.array([3.709910308, 3.300454417, 3.219869361, 2.879991517, 2.250120678, 2.24981186, 1.859931899, 1.839996231, 1.560029151, 1.360016958, 1.210037387, 1.527926405, 1.320005022, 1.340038138, 1.618120234, 1.410033737, 1.83006856, 1.849465938, 2.141939621, 2.219958336, 2.494675074])         

# --------------------------------------------------
# scikit-learnのsolverによって、近似直線を得る
clf    = LinearRegression(fit_intercept=True)
clf.fit(X=x, y=y)
y_hat  = clf.predict(x)
# --------------------------------------------------
# 最小二乗法の式を解いて、近似直線式の係数を得る
x_     = np.concatenate([x, np.ones(np.shape(x))], axis=1)
w      = np.dot(np.linalg.inv(np.dot(x_.T, x_)), np.dot(x_.T, y))
y_hat_ = np.dot(x_, w)
# --------------------------------------------------
# x、yと学習によって得た近似直線を描画する
cmap   = plt.get_cmap("tab10")
plt.figure(figsize=(12,16), dpi=100)
plt.subplot(2, 1, 1)
plt.grid(which='major', color=[0.7, 0.7, 0.7], linestyle='-')
plt.scatter(x, y, s=300, alpha=0.7, color=cmap(0), label='測定値')
plt.plot(x, y_hat, linewidth=10, alpha=0.7, color=cmap(1), label='近似曲線 by scikit-learn')
plt.plot(x, y_hat_, linewidth=8, alpha=0.3, color=cmap(2), label='近似曲線 by 最小二乗法', linestyle='--')
plt.legend(fontsize=15, loc='lower right')
plt.ylim([0, 3.5])
print('scikit-learnで解いたweight = [%.3f, %.3f]' % (clf.coef_, clf.intercept_))
print('最小二乗法で解いたweight     = [%.3f, %.3f]' % (w[0], w[1]))
plt.show()

このコードを実行すると以下のようなエラ〜メッセージが出てしまいます。

エラー

Expected 2D array, got 1D array instead:
array=[ 6.26379  8.57417  8.66527  8.75069 11.6708  12.3487  14.5032  15.7422
 21.7646  23.0518  26.5069  26.4035  26.321   23.0045  19.2654  17.9425
 14.5669  13.513   10.4902   9.95136  9.77395].
Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample.

この場合、どのようにコードを改変するべきなのでしょうか？
ご教授いただけると幸いです。
何卒宜しくお願いいたします。

Answer 1

中身は理解していませんが、元のコードから推測すると以下のコードを追加すればよいかと思います。

：
x = np.array([6.26379, 8.57417, 8.66527, 8.75069, 11.6708, 12.3487, 14.5032, 15.7422, 21.7646, 23.0518, 26.5069, 26.4035, 26.321, 23.0045, 19.2654, 17.9425, 14.5669, 13.513, 10.4902, 9.95136, 9.77395])
y = np.array([3.709910308, 3.300454417, 3.219869361, 2.879991517, 2.250120678, 2.24981186, 1.859931899, 1.839996231, 1.560029151, 1.360016958, 1.210037387, 1.527926405, 1.320005022, 1.340038138, 1.618120234, 1.410033737, 1.83006856, 1.849465938, 2.141939621, 2.219958336, 2.494675074])         

# 以下を追加
x = x[:,np.newaxis]
y = y[:,np.newaxis]

Comments

[kikuchiX]

ありがとうございます！！

[kikuchiX]

ちなみになんですけど、このサンプル（直線近似）を曲線（非線形）にすることって可能なのでしょうか？

[8524ba23]

中身は理解していませんので分かりかねます。

[kikuchiX]

ご回答ありがとうございます。

[jbpb0]

曲線の式によります
2次関数とかの線形回帰ができる式なら、ほぼ同じやり方でできます
http://techtipshoge.blogspot.com/2015/06/scikit-learn.html

[jbpb0]

そうではないなら、他の方法を使います
https://openbook4.me/projects/231/sections/1633

[kikuchiX]

コメントありがとうございます。
今検討している関数は以下のコードの通りです。
これを実験データにフィッティングしたいということです。

```
import numpy as np
import matplotlib.pyplot as plt
import math
from scipy.optimize import curve_fit

# 係数を見つけたい関数
def func(x, a):
return ((-(a+(0.0615*x))) + ((a+((0.0615*x)**2)) - (4*0.0615*math.log(0.1)))**0.5) / (2*0.0615)

# 求めたい分布関数の元データ
x = np.array([6.26379, 8.57417, 8.66527, 8.75069, 11.6708, 12.3487, 14.5032, 15.7422, 21.7646, 23.0518, 26.5069, 26.4035, 26.321, 23.0045, 19.2654, 17.9425, 14.5669, 13.513, 10.4902, 9.95136, 9.77395])
y = np.array([3.709910308, 3.300454417, 3.219869361, 2.879991517, 2.250120678, 2.24981186, 1.859931899, 1.839996231, 1.560029151, 1.360016958, 1.210037387, 1.527926405, 1.320005022, 1.340038138, 1.618120234, 1.410033737, 1.83006856, 1.849465938, 2.141939621, 2.219958336, 2.494675074])
sigma = (x, y)

plt.plot(x, y, 'bo', label='Experimental data')
plt.legend()
```

[jbpb0]

https://teratail.com/questions/305680
とかの件ですよね
sigmaは、yのそれぞれの誤差に違いがあるという「知識」をfitに反映させるためのものです
たとえば、xが大きい方の5つのデータだけ他よりも測定誤差が(yが測定データだとして)大きいという「知識」があれば、下記のようすると、その「知識」を反映させるとfit結果が変わることが分かります
# xの大小で並べ替え
z = zip(x, y)
zz = sorted(z)
xx, yy = zip(*zz)
xx = np.array(xx)
yy = np.array(yy)
xs = np.linspace( min(xx), max(xx), 100)
# 普通のfit
popt, pcov = curve_fit(func, xx, yy)
# 重み付きfit
sigma = np.ones(len(yy)) * 0.01
sigma[-5:] = 0.1
sigma
popt2, pcov2 = curve_fit(func, xx, yy, sigma=sigma)
# 比較
plt.plot(xx, yy, 'bo', label="Experimental data")
plt.plot(xs, func(xs, *popt),'r', label="Unweighted fitting:a={:.3f}".format(*popt))
plt.plot(xs, func(xs, *popt2),'g', label="Weighted fitting:a={:.3f}".format(*popt2))
plt.legend()
plt.show()

データの素性を知らない我々の様な第三者にはその「知識」は無いので、このデータだけからsigmaを作れる方法を聞いても、回答をもらうのは難しいと思いますよ

[jbpb0]

もしも、ｙが測定生値ではなく、yは測定生値y'から何らかの方法で変換されたもので、測定生値y'は全て誤差が同じならば、y'からyへの変換方法に基づいて各yの誤差(curve_fitのsigma)を決めることができます
https://teratail.com/questions/305680
でtoast-uzさんが提示された
https://sturgeon.hatenablog.com/entry/log-lsm
に、その方法が説明されています