Python Sklearn线性回归-“；索引器：元组索引超出范围“；

我有一个“.dat”文件，其中保存了X和Y的值（因此是一个元组（n，2），其中n是行数）

我为

linear\u model.LinearRegression（）

创建了一个实例，但是当我调用

.fit（x，y）

方法时，我得到了

索引器错误：元组索引超出范围

---

我做错了什么？

线性回归期望将

X

作为二维数组，并在内部要求

X.shape[1]

初始化

np.one

数组。因此，将

X

转换为nx1数组就可以了。因此，替换：

regr.fit(x,y)

作者：

这将解决问题。演示：

>>> from sklearn import datasets
>>> from sklearn import linear_model
>>> clf = linear_model.LinearRegression()
>>> iris=datasets.load_iris()
>>> X=iris.data[:,3]
>>> Y=iris.target
>>> clf.fit(X,Y)  # This will throw an error
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/lib/python2.7/dist-packages/sklearn/linear_model/base.py", line 363, in fit
    X, y, self.fit_intercept, self.normalize, self.copy_X)
  File "/usr/lib/python2.7/dist-packages/sklearn/linear_model/base.py", line 103, in center_data
    X_std = np.ones(X.shape[1])
IndexError: tuple index out of range
>>> clf.fit(X[:,np.newaxis],Y)  # This will work properly
LinearRegression(copy_X=True, fit_intercept=True, normalize=False)

来自sklearn导入数据集的

>>
>>>从sklearn导入线性_模型
>>>clf=线性模型。线性回归（）
>>>iris=数据集。加载\u iris（）
>>>X=虹膜。数据[：，3]
>>>Y=iris.target
>>>clf.fit（X，Y）#这将抛出一个错误
回溯（最近一次呼叫最后一次）：
文件“”，第1行，在
文件“/usr/lib/python2.7/dist-packages/sklearn/linear_-model/base.py”，第363行，适合
十、 y，self.fit\u截距，self.normalize，self.copy\u X）
文件“/usr/lib/python2.7/dist packages/sklearn/linear\u model/base.py”，第103行，在中心数据中
X_标准=np.one（X.shape[1]）
索引器错误：元组索引超出范围
>>>clf.fit（X[：，np.newaxis]，Y）#这将正常工作
线性回归（复制X=真，拟合截距=真，规格化=假）

要绘制回归线，请使用以下代码：

>>> from matplotlib import pyplot as plt
>>> plt.scatter(X, Y, color='red')
<matplotlib.collections.PathCollection object at 0x7f76640e97d0>
>>> plt.plot(X, clf.predict(X[:,np.newaxis]), color='blue')
<matplotlib.lines.Line2D object at 0x7f7663f9eb90>
>>> plt.show()

>>从matplotlib导入pyplot作为plt
>>>plt.散射（X，Y，color='red'）
>>>plt.plot（X，clf.predict（X[：，np.newaxis]），color='blue'）
>>>plt.show（）

---

对不起，我完全误解了你的问题：（我已经删除了答案，如果我能得到修复，那么我将取消删除编辑后的答案。但是你能提供更多信息吗？比如你的完整代码？这是你需要的代码，没有其他重要的。真的吗？什么是

线性模型

？你是怎么得到它的？现在真的就这些了，谢谢你的帮助。x和Y的长度相同吗？谢谢非常感谢您的帮助！另一个问题：现在我从线性回归中只得到一个系数是正常的吗？我如何绘制它的线？@JackLametta，这绝对正常。这些系数用于预测给定Y值的X值。我已将代码上传到绘图线。

regr.fit(x[:,np.newaxis],y)

>>> from sklearn import datasets
>>> from sklearn import linear_model
>>> clf = linear_model.LinearRegression()
>>> iris=datasets.load_iris()
>>> X=iris.data[:,3]
>>> Y=iris.target
>>> clf.fit(X,Y)  # This will throw an error
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/lib/python2.7/dist-packages/sklearn/linear_model/base.py", line 363, in fit
    X, y, self.fit_intercept, self.normalize, self.copy_X)
  File "/usr/lib/python2.7/dist-packages/sklearn/linear_model/base.py", line 103, in center_data
    X_std = np.ones(X.shape[1])
IndexError: tuple index out of range
>>> clf.fit(X[:,np.newaxis],Y)  # This will work properly
LinearRegression(copy_X=True, fit_intercept=True, normalize=False)

>>> from matplotlib import pyplot as plt
>>> plt.scatter(X, Y, color='red')
<matplotlib.collections.PathCollection object at 0x7f76640e97d0>
>>> plt.plot(X, clf.predict(X[:,np.newaxis]), color='blue')
<matplotlib.lines.Line2D object at 0x7f7663f9eb90>
>>> plt.show()