在Python中sklearn的线性回归中，出现了无法解释的维度不匹配错误

在sklearn中，我想从一维输入训练线性模型。但是，当我将[100 x 1]输入向量和[100 x 1]输出向量输入到linear_model.LinearRegression（）的拟合函数中时，我得到了错误

“ValueError:找到了样本数不一致的数组：[1 100]”

。它可以与[7791 x 39]维度的训练输入和[7791 x 1]训练输出配合使用

starting regression training
(7791, 39)
(7791,)
done with regression training; starting probabilities converter training
(100,)
(100,)
Traceback (most recent call last):
  File "makePickles.py", line 19, in <module>
    train_probabilities_converter(scoresToProbabilities[:,1], scoresToProbabilities[:,2])
  File "trainProbabilitiesConverter.py", line 18, in train_probabilities_converter
    regr.fit(rawScores, empiricalProbability)
  File "//anaconda/lib/python2.7/site-packages/sklearn/linear_model/base.py", line 376, in fit
    y_numeric=True, multi_output=True)
  File "//anaconda/lib/python2.7/site-packages/sklearn/utils/validation.py", line 454, in check_X_y
    check_consistent_length(X, y)
  File "//anaconda/lib/python2.7/site-packages/sklearn/utils/validation.py", line 174, in check_consistent_length
    "%s" % str(uniques))
ValueError: Found arrays with inconsistent numbers of samples: [  1 100]

开始回归训练
(7791, 39)
(7791,)
进行回归训练；起动概率变换器训练
(100,)
(100,)
回溯（最近一次呼叫最后一次）：
文件“makePickles.py”，第19行，在
列车概率转换器（得分概率[：，1]，得分概率[：，2]）
列车概率转换器第18行“trainProbabilitiesConverter.py”文件
重新拟合（原始分数、经验概率）
文件“//anaconda/lib/python2.7/site packages/sklearn/linear_model/base.py”，第376行，适合
y_数值=真，多输出=真）
文件“//anaconda/lib/python2.7/site packages/sklearn/utils/validation.py”，第454行，检查
检查长度（X，y）是否一致
文件“//anaconda/lib/python2.7/site packages/sklearn/utils/validation.py”，第174行，检查长度是否一致
%s“%str（唯一性））
ValueError:找到样本数不一致的数组：[1 100]

您是否尝试过将输入数据（100,1）替换为（100,1）？我知道sklearn有时会有问题（因为它可能是维度1中的100个观察值，或者维度100中的1个观察值）

您可以执行

X_test=X_test[：，None]

添加新轴

np.newaxis

也可以使用，是一个较长但更明确的名称。顺便说一下，它只是

None

的别名（它们指的是同一个对象）：

---

欢迎来到StackOverflow。请在此阅读如何正确格式化您发布的代码：您应该发布用于准备数据的实际代码，并将其提供给线性回归。这将有助于人们准确定位问题。

>>> import numpy as np
>>> np.newaxis is None
True