Scikit learn ValueError:找到样本数不一致的输入变量[Sklearn和时间序列]

我是python新手，我正在尝试学习如何使用Sklearn处理我自己的数据。我基本上只是从我的ARIMA模型和离散小波变换的近似值中得到残差，然后尝试拟合它以得到更好的模型。但是，我收到了以下错误消息：

File "C:\Users\Guilherme\Anaconda3\lib\site-packages\sklearn\neural_network\multilayer_perceptron.py", line 330, in _fit
    X, y = self._validate_input(X, y, incremental)

  File "C:\Users\Guilherme\Anaconda3\lib\site-packages\sklearn\neural_network\multilayer_perceptron.py", line 902, in _validate_input
    multi_output=True)

  File "C:\Users\Guilherme\Anaconda3\lib\site-packages\sklearn\utils\validation.py", line 531, in check_X_y
    check_consistent_length(X, y)

  File "C:\Users\Guilherme\Anaconda3\lib\site-packages\sklearn\utils\validation.py", line 181, in check_consistent_length
    " samples: %r" % [int(l) for l in lengths])

**ValueError: Found input variables with inconsistent numbers of samples: [2, 974]**

我的输入是这样的：

residual [-0.62259993  6.71457698  8.14639867 ...,  3.17906001 -7.54454573
  4.38012835]
approximation [ 59.91585806  61.33864282  64.3283577  ...,  43.82833793  44.61630255
  46.4758499 ]


X [[ 59.91585806  61.33864282  64.3283577  ...,  43.82833793  44.61630255
   46.4758499 ]
 [ -0.62262456   6.71456765   8.14639445 ...,  -4.5462162   -7.28155588
  -18.45525218]]

这是我的目标：

Y [ -0.62274596   6.71452528   8.14634609 ...,  -4.54623634  -7.28158029
 -18.4552741 ]

这是我的密码

    ## ANN
print('residual',len(residual))
A = A[4:978]
Residual = residual[0:974]
X = np.array([A,Residual])
print(X.shape)

y = np.array(residual[0:974])
print(y)


clf = MLPClassifier(activation='relu', alpha=1e-05, batch_size='auto',
       beta_1=0.9, beta_2=0.999, early_stopping=False,
       epsilon=1e-08, hidden_layer_sizes=(15,), learning_rate='constant',
       learning_rate_init=0.001, max_iter=200, momentum=0.9,
       nesterovs_momentum=True, power_t=0.5, random_state=1, shuffle=True,
       solver='lbfgs', tol=0.0001, validation_fraction=0.1, verbose=False,
       warm_start=False)

clf.fit(X, y)                        

print(clf.fit(X, y))

顺便说一下，这是我的推荐信

坎德尔瓦尔，I.，阿迪卡里，R.，维尔马，G.（2015）。使用基于DWT分解的混合ARIMA和ANN模型进行时间序列预测。宝典计算机科学48（2015）173–179

---

[神经网络模型（监督）

我无法理解你的X。请解释更多。错误是由于样本数量和目标数量不匹配。根据Skicit learn的MLP.fit，X将类似于X:{array like，sparse matrix}，形状（n_样本，n_特征）.因此，我输入ARIMA模型的残差作为n_特征，并将近似值（来自离散小波变换）作为n_样本）。这两个变量都有形状（974，）。同样，Y也有相同的形状。我尝试了转置Y，但什么都没有发生。