Python 我用线性回归的简单预测是行不通的

以下是我的试用代码：

from sklearn import linear_model

# plt.title("Time-independent variant student performance analysis")

x_train = [5, 9, 33, 25, 4]
y_train = [35, 2, 14 ,9, 7]
x_test = [14, 2, 8, 1, 11]

# create linear regression object
linear = linear_model.LinearRegression()

#train the model using the training sets and check score
linear.fit(x_train, y_train)
linear.score(x_train, y_train)

# predict output
predicted = linear.predict(x_test)

运行时，这是输出：

ValueError:找到样本数不一致的数组：[1 5]

重新定义

x_train = [[5],[9],[33],[25],[4]]
y_train = [35,2,14,9,7]
x_test = [[14],[2],[8],[1],[11]]

从

fit（X，y）

：

X

：numpy数组或形状的稀疏矩阵

[n个样本，n个特征]

---

在您的例子中，每个示例只有一个功能。

我运行了简单回归，但没有显示输出。为什么？我做错了什么？打印

predicted

。这是您的预测。@user2979063将numpy导入为np x_train=np.array（[5,9,33,25,4]）y_train=np.array（[35,2,14,9,7]）x_test=np.array（[14，…]）