Python 错误：形状（1,4）和（14,14）未对齐

所以我是机器学习的新手，对这个错误有点困惑：

形状（1,4）和（14,14）未对齐：4（尺寸1）！=14（尺寸0）

以下是全部错误：

文件“/Users/jim/anaconda3/lib/python3.6/site packages/sklearn/utils/extmath.py”，第140行，安全稀疏点 返回np.点（a，b）

ValueError:形状（1,4）和（14,14）未对齐：4（尺寸1）！=14（尺寸0）

我的测试集有4行数据，训练集有14行数据，如（1,4）和（14,14）所示。至少我认为这就是它的意思

我正在尝试将一个简单的线性回归拟合到一个训练集，如下代码所示：

# Fit Simple Linear Regression to Training Set
from sklearn.linear_model import LinearRegression
regressor = LinearRegression()
X_train = X_train.reshape(1,-1)
y_train = y_train.reshape(1,-1)
regressor.fit(X_train, y_train)

然后预测测试集结果：

# Predicting the Test Set Results
X_test = X_test.reshape(1,-1)
y_pred = regressor.predict(X_test)

我的代码在最后一行失败，出现上述错误：

y_pred = regressor.predict(X_test)

任何指向正确方向的提示都会很好

以下是我的整个代码示例：

# Simple Linear Regression

# Import Libraries
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

# Import dataset
dataset = pd.read_csv('NBA.csv')
X = dataset.iloc[:, 1].values
y = dataset.iloc[:, :-1].values

# Splitting the dataset into Train and Test
from sklearn.cross_validation import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.2, random_state = 0)

# Feature Scaling
# None

# Fit Simple Linear Regression to Training Set
from sklearn.linear_model import LinearRegression
regressor = LinearRegression()
X_train = X_train.reshape(1,-1)
y_train = y_train.reshape(1,-1)
regressor.fit(X_train, y_train)

# Predicting the Test Set Results
X_test = X_test.reshape(1,-1)
y_pred = regressor.predict(X_test)

**编辑** 我检查了X和y的形状。以下是我的输出：

dataset = pd.read_csv('NBA.csv')
X = dataset.iloc[:, 1].values
y = dataset.iloc[:, :-1].values
print(X.shape)
print(y.shape)
-->(18,)
-->(18, 1)

---

请将

整形（1，-1）

替换为

整形（-1,1）

，以适用于所有用途。前者将数组转换为（1人x n个特征），后者转换为（n人x 1个特征）功能在本例中为高

如果按如下所示修改导入部分，则无需重塑阵列，因为其形状已满足（n人x 1特征）的形式

---

在sklearn的早期，您可以将向量作为输入输入。但最近它发生了变化，现在您需要通过使用

重塑
或其他一些方法显式指示向量是（1个样本x n个特征）还是（n个样本x 1个特征）。
重塑（1，-1）
似乎很危险，因为它转换“1个样本”x“n个特征”数组。您能展示一下
X_列车
，
X_测试
等的原始形状吗？@dkato谢谢。我已经用我的原始代码更新了我的帖子。你想让我也发布我的数据吗？谢谢。我想在从
datasetP
dataframe制作切片后，通过执行
X.shape
和
y.shape
检查
X
和
y
的形状。也许调试就足够了。@dkato好的，X和y的形状分别是（18，）和（18，1）。另外，我在我的原始帖子的底部对其进行了更新。因此，在本例中，您是否尝试使用18个样本来训练回归模型，每个样本只有一个特征？
# Import dataset
dataset = pd.read_csv('NBA.csv')
X = dataset.iloc[:, 1].values
y = dataset.iloc[:, 0].values

X = X.reshape(-1, 1)
y = y.reshape(-1, 1)