Python 使用数组重塑数据。如果数据具有单个特征或数组，则重塑（-1，1）。如果数据包含单个样本，则重塑（1，-1）

当我从我的数据中预测一个样本时，它给出了重塑误差，但我的模型有相等的行数，问题是什么，伙计们，发现了类似的问题，但不同的无法解释

import pandas as pd
from sklearn.linear_model import LinearRegression
import numpy as np
x = np.array([2.0 , 2.4, 1.5, 3.5, 3.5, 3.5, 3.5, 3.7, 3.7])
y = np.array([196, 221, 136, 255, 244, 230, 232, 255, 267])

lr = LinearRegression()
lr.fit(x,y)

print(lr.predict(2.4))

错误是

“如果它包含单个样本。”。格式（数组）） ValueError:应为2D数组，但改为标量数组： 数组=2.4。

---

使用数组重塑数据。如果数据具有单个特征或数组，则重塑（-1，1）。如果数据包含单个样本，则重塑（1，-1）。

应将X重塑为二维数组，而不是一维数组。拟合模型需要二维阵列<代码>即（n个样本，n个特征）

---

谢谢你，伙计。但重塑的作用是什么？为什么不使用它会导致错误。@razzOn2bull在拟合模型时，您的X需要是二维阵列。i、 e（n个样本，n个特征）。使用

时，重塑（1，-1）

会向数据添加一个维度。有关此问题的详细信息，请参见此问题（'）。

x = np.array([2.0 , 2.4, 1.5, 3.5, 3.5, 3.5, 3.5, 3.7, 3.7])
y = np.array([196, 221, 136, 255, 244, 230, 232, 255, 267])

lr = LinearRegression()
lr.fit(x.reshape(-1, 1), y)

print(lr.predict([[2.4]]))