python - 线性回归预测值错误 : "ValueError: shapes (1,1) and (132,132) not aligned: 1 (dim 1) != 132 (dim 0)"

Question

我是机器学习和线性回归的新手，有人可以帮助我解决这个值错误的问题

“ValueError:形状 (1,1) 和 (132,132) 未对齐:1 (dim 1) != 132 (dim 0)”

import matplotlib
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
from sklearn.linear_model import LinearRegression

# Laod the data
load_csv = pd.read_csv("Gdp_Vs_Life_Dataset.csv")
gdp = np.c_[load_csv["GDP"]]
life = np.c_[load_csv["LIFE"]]

print (load_csv.shape)
print (gdp)
print (life)
print(gdp.size)
print(life.size)

# Visualize the data
plt.scatter(gdp,life)
plt.xlabel('GDP PER CAPITA')
plt.ylabel('LIFE SATISFACTION')
plt.title("Data year 2016")
plt.show()

# Select a linear model
model = LinearRegression()

#Train the model
model.fit(gdp.reshape(1, -1), life.reshape(1, -1))

# Make a prediction
X_ = [[5989]]
print(model.predict(X_))

当我运行此代码时，出现错误:

回溯(最近一次调用最后一次): 文件“linear_reg.py”，第 33 行，位于 打印(模型.预测(X_)) 文件“/usr/lib/python3/dist-packages/sklearn/linear_model/base.py”，第 200 行，在预测中 返回 self._decision_function(X) 文件“/usr/lib/python3/dist-packages/sklearn/linear_model/base.py”，第 185 行，在 _decision_function 中 密集输出=真)+ self.intercept_ 文件“/usr/lib/python3/dist-packages/sklearn/utils/extmath.py”，第 184 行，位于 safe_sparse_dot 返回 fast_dot(a, b)ValueError:形状 (1,1) 和 (132,132) 未对齐:1 (dim 1) != 132 (dim 0)

Answer 1

您输入的特征尺寸X_应为132；现在，它是 1 (标量)。