Python 如何实现多元回归？

我正在练习简单的回归模型，作为机器学习的入门。我已经回顾了一些多元回归的样本模型，我认为这是线性回归的一个扩展，但有不止一个特征。从我看到的示例来看，线性回归和多元回归的语法是相同的。我在运行以下代码时遇到此错误：

ValueError: x and y must be the same size.

为什么会出现此错误，如何修复

import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression

df = pd.read_csv(r"C:\Users\****\Desktop\data.csv")

#x.shape =(20640, 2), y=(20640,)
X = df[['total_rooms', 'median_income']]
y = df['median_house_value']

X_test, y_test, X_train, y_train = train_test_split(X, y, test_size=.2, random_state=0)

reg = LinearRegression()
reg.fit(X_train, y_train)

---

我漏了一步吗？谢谢您的时间。

您不必做任何不想做的事情：-）。但一般来说，你会想以某种方式处理多重共线性，但这并不一定意味着维数减少

你的数据是什么形状的？如果你有，比如说20个特征，但有10k的观测值，那么就不需要降维（至少第一次不需要）

但是，如果你有1k的特征和10k的观察，那么你就非常适合在学习者面前进行无监督的降维步骤

您可能希望首先尝试一些正则化（请参阅--您可以从那里免费下载这本书）

例如，尝试使用

ElasticNet

类而不是

LinearRegression

类。这几乎是一样的事情，但对$L_1$和$L_2$标准重量有处罚。这有助于推广

---

如果你对自己的特殊问题不太了解，就很难说出其他的话。

你的

训练测试中有一个错误

-结果的顺序很重要；正确的用法是：

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=.2, random_state=0)

---

检查一下。

那么，我应该猜你是托马斯·品钦的粉丝吗？：）我是。希望不久能有最后一部小说。酷。答案解决了你的问题吗？我相信是的，但我需要做一些数据清理，这可能是我最初的问题。非常感谢。