python - 如何修复 python 中的 sklearn 多元线性回归 ValueError(样本数不一致 : [2, 1])

Question

我的线性回归与单个特征完美配合。自从尝试使用两个以来，我收到以下错误:ValueError: Found input variables with inconsistent numbers of samples: [2, 1]

第一个打印语句打印以下内容:(2, 6497) (1, 6497)

然后代码在 train_test_split 阶段崩溃。

有什么想法吗？

feat_scores = {}
X = df[['alcohol','density']].values.reshape(2,-1)   
y = df['quality'].values.reshape(1,-1)

print (X.shape, y.shape)

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

print (X_train.shape, y_train.shape)
print (X_test.shape, y_test.shape)

reg = LinearRegression()
reg.fit(X_train, y_train)

reg.predict(y_train)

Answer 1

你错过了这一行

X = df[['alcohol','density']].values.reshape(2,-1)   
y = df['quality'].values.reshape(1,-1)

不要将数据 reshape 为(2, 6497) (1, 6497)，而是必须将其作为(6497,2) (6497,)>

Sklearn 直接获取数据帧/系列。所以你可以给，

X = df[['alcohol','density']]
y = df['quality']

此外，您只能使用 X 值进行预测，因此

reg.predict(X_train)

或

reg.predict(X_test)