Python 大熊猫的直线回归得出的回归分数为空从sklearn.linear\u模型导入线性回归 my_y=np.数组（[2,5,6,10]）。重塑（1，-1） my_x=np.数组（[19,23,22,30]）。重塑（1，-1） lm=线性回归（） lm=lm.fit（my_x，my_y）结果=lm.分数（我的x，我的y）打印（结果）为什么这会将Nan作为输出_Python_Pandas_Machine Learning_Scikit Learn_Linear Regression

Python 大熊猫的直线回归得出的回归分数为空从sklearn.linear\u模型导入线性回归 my_y=np.数组（[2,5,6,10]）。重塑（1，-1） my_x=np.数组（[19,23,22,30]）。重塑（1，-1） lm=线性回归（） lm=lm.fit（my_x，my_y）结果=lm.分数（我的x，我的y）打印（结果）为什么这会将Nan作为输出

python pandas machine-learning scikit-learn

Python 大熊猫的直线回归得出的回归分数为空从sklearn.linear\u模型导入线性回归 my_y=np.数组（[2,5,6,10]）。重塑（1，-1） my_x=np.数组（[19,23,22,30]）。重塑（1，-1） lm=线性回归（） lm=lm.fit（my_x，my_y）结果=lm.分数（我的x，我的y）打印（结果）为什么这会将Nan作为输出,python,pandas,machine-learning,scikit-learn,linear-regression,Python,Pandas,Machine Learning,Scikit Learn,Linear Regression,您需要对数组使用重塑（-1,1） my_y = np.array([2,5,6,10]).reshape(-1, 1) my_x = np.array([19,23,22,30]).reshape(-1, 1) lm = sk.LinearRegression() lm = lm.fit(my_x, my_y) result = lm.score(my_x, my_y) print(result) 0.9302407516147975 谢谢，现在效果很好，所以阵列必须长而不是宽？

您需要对数组使用

重塑（-1,1）

my_y = np.array([2,5,6,10]).reshape(-1, 1)
my_x = np.array([19,23,22,30]).reshape(-1, 1)

lm = sk.LinearRegression()
lm = lm.fit(my_x, my_y)
result = lm.score(my_x, my_y)
print(result)

0.9302407516147975

谢谢，现在效果很好，所以阵列必须长而不是宽？