Python Sklearn错误：R^2分数定义不明确，样本数少于两个

我构建了一个data.csv，以了解它是如何工作的。所以我做了这个

s1;s2;s3;s4;result
1;2;3;4;5;15
2;1;3;1;2;9
19;21;0;0;0;40
11;9;0;1;5;26
5;5;5;5;5;25
80;1;1;1;1;84
1;2;3;1;1;8
1;0;0;1;1;3
10;10;10;10;20;60

如您所见，

result

是

s1、s2、s3和s4的总和。

所以我这样做了

data = pd.read_csv('example.csv', sep=';', index_col=0)
data = data[['s1', 's2', 's3', 's4', 'result']]
predict = 'result'


x = np.array(data.drop([predict], 1))
y = np.array(data[predict])

x_train, x_test, y_train, y_test = sklearn.model_selection.train_test_split(x, y, test_size=0.1)

linear = linear_model.LinearRegression()
linear.fit(x_train, y_train)

acc = linear.score(x_test, y_test)
print(acc)

但我犯了这个错误

C:\Users\Sharki\Anaconda3\lib\site packages\sklearn\metrics\regression.py:543:UndefinedMetricWarning:R^2分数定义不明确，样本数少于两个。 警告。警告（消息，未定义的度量警告）

---

发生了什么事？

原因是您在

列车测试分割中要求的
测试大小
太小
test_size=0.1
，在仅有10行的数据集中，对应于测试集中的单个数据点：

x_test, y_test
# (array([[2, 3, 4, 5]]), array([15]))

因此出现了错误（实际上是一个警告，因为返回了
nan
）

将其至少更改为0.2：

x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.2, random_state=42)
[...]
print(acc)
# -88.65298209559413

x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.3, random_state=42)
[...]
print(acc)
# -0.5210446297916358

由于您的数据量非常小，因此请准备好计算结果R^2的波动（如上面的示例所示）

此外请注意，您的CSV文件中实际上有6个字段，但只有5个列名，其结果是在读取数据帧时将第一列解释为索引（请注意，
1
在上面显示的
x_test
变量中丢失）。您应该在标题中添加一个
s5
，并删除
索引col=0
，即：

data = pd.read_csv('example.csv', sep=';')

目视检查变量，尤其是在出现错误的情况下，总是有回报的

与您的问题无关，但将R^2称为
acc
（意味着准确度）不是好的做法，因为R2和准确度是不同的性能度量，而准确度在回归问题中毫无意义（它仅在分类中有意义）。
看一看，看起来你的问题以前有人问过。我在发布这篇文章之前看过那篇文章，但我认为情况不同。（如果是这样的话，那么我对它的理解就太差了）。我在终端上运行了相同的脚本，但它呈现出
acc=0
。也许你想检查一下不一致性？顺便说一句，您的数据结构有问题：假设第一行有5个值，
1；2.3.4.5;但只有4列
s1；s2；s3；s4。你需要多出一列，否则第一个数字会被你的
read\u csv
@tianlinhe自动索引。所有这些问题都已经在下面的答案中解决了。那么s1被当作索引来处理？有没有办法将s1用作属性而不是索引？我很抱歉，因为我对这一切感到迷惘。非常感谢你的帮助！我知道这有点离题，但如果您能告诉我在哪里或如何提高这些技能，我将不胜感激。@GeorgiaFernández您只需将文件头更改为
s1；s2；s3；s4；s5；结果
，如回答中所述。很抱歉再次打扰您，我已将文件更改为
s1；s2；s3；s4；s5；结果
，所以我假设我也需要将代码更改为
data=data[[s2'，s3'，s4'，s5'，result']
，但它返回一个neagtive整数，为什么？@GeorgiaFernández不，它应该是
data=data[[s1'，s2'，s3'，s4'，s5'，result']
；我说的是添加
s5
，而不是删除
s1
。但在任何情况下，这一行都是多余的（您的
数据
变量已经是这样了）。@GeorgiaFernández的问题在于
索引col=0
-您应该删除它。更新的答案（因为我试图解决您要求的问题，而不是其他所有问题，所以错过了答案…）。