Python 如何解释普通岭回归的打印结果（选中编辑）

我试图将我的回归结果形象化（第一次做回归时要仁慈）。是我下面的例子，但它创建了一个混乱的情节（tbh我采取了这个例子的表面价值）。我有两个问题。一是可视化。另一个错误是，我在尝试打印

x\u validate

与

y\u validate

时遇到的错误。我得到

ValueError:x和y的大小必须相同

，但它们都有

56行

。代码如下：

# This is where I create the three parts
bow.fillna(0, inplace=True)
x_train, x_validate, x_test = np.split(bow.sample(frac=1), [int(.6*len(bow)), int(.8*len(bow))])
y_train = x_train['Rating']
y_validate = x_validate['Rating']
y_test = x_test['Rating']
x_train.drop('Rating', 1, inplace=True)
x_validate.drop('Rating', 1, inplace=True)
x_test.drop('Rating', 1, inplace=True) 

# This is the regression part
regr = m.OrdinalRidge()
regr.fit(x_train, y_train)
y_pred = regr.predict(x_validate)

# This is the plotting
plt.scatter(x_validate, y_validate,  color='black')  # <-- Here is where I get the error
plt.plot(x_validate, y_pred, color='blue', linewidth=1)
plt.xticks(())
plt.yticks(())
plt.show()

这就是结果图的样子：

---

我如何解释回归是否表现良好？我有点迷路了…

为了绘图工作，特征的尺寸必须与输出的尺寸相匹配。X和Y的尺寸必须精确匹配，因此您必须使用PCA降低X的尺寸：

from sklearn.decomposition import PCA

pca = PCA(n_components = n) # the n will be 2 here since y in your case has 2 columns
pca.fit(x_train)
x_train = pca.transform(x_train)

---

Thx，但如果我这样做，我不会丢失数据吗？@Stefano，你可以将其仅用于可视化，并对正常数据进行回归以获得帮助。如果不太麻烦的话，我可以请你看一下编辑吗？@Stefano，我不完全确定，但我认为问题在于y列中的（1.0，2.0…5.0）值是离散值，而不是连续值，回归需要将连续值作为y来工作。事实上，它们是离散的，但这就是为什么我使用顺序回归（我认为这就是它的目的，但我可能错了）

from sklearn.decomposition import PCA

pca = PCA(n_components = n) # the n will be 2 here since y in your case has 2 columns
pca.fit(x_train)
x_train = pca.transform(x_train)