Python 2.7 进行回归拟合时出现元组索引错误

我正在编写一个代码，使用numpy对数据进行线性单变量回归分析。我知道Python中的fit（）函数使用了np.array（），但该程序给我带来了元组索引错误，我现在束手无策。这是我的密码：

def linear_model_main(X_parameter, Y_parameter, prediction_value):
regression = linear_model.LinearRegression()
regression.fit(X_parameter, Y_parameter, prediction_value)
prediction_outcome = regression.predict(prediction_value)
predictions = {}
predictions['intercept'] = regression.intercept_
predictions['coefficient'] = regression.coef_
predictions['predicted_value'] = prediction_outcome
return predictions

X, Y = get_data(filename)
Xarr = np.array(X)
Yarr = np.array(Y)
predictionvalue = 70
result = linear_model_main(Xarr, Yarr, predictionvalue)

Xarr和Yarr是从csv文件中获取的单独数据列的np.Array，基本上是回归中的X和Y坐标值。打印时，它们的外观如下：

[  7.  73.  49. ...,  56.  56.  56.]
[ 5863.  5860.  5860. ...,  5860.  5860.  5860.]

---

这是一个庞大的数据集（约130000行35列）。

请显示完整的异常回溯，以便我们可以看到错误行。为什么要在回归中添加预测值？fit？您是否使用scikit learn？传递给

fit

的第三个值为。如果在此处用

1

替换

prediction\u值

，可能会解决您的问题。但是看到完整的回溯肯定会有助于查明问题，是的…@HaochenWu是的，我正在使用scikit。而且，我得到了相同的误差，没有预测误差。这是回溯：请显示完整的异常回溯，以便我们可以看到故障行。为什么要在回归中添加预测值？fit？您是否正在使用scikit learn？传递给

fit

的第三个值为。如果在此处用

1

替换

prediction\u值

，可能会解决您的问题。但是看到完整的回溯肯定会有助于查明问题，是的…@HaochenWu是的，我正在使用scikit。而且，我得到了相同的误差，没有预测误差。以下是回溯：