Scikit learn sklearn:调用LinearRegression.fit（）时发现数组的样本数不一致

我只是试着做一个简单的线性回归，但我对这个错误感到困惑：

regr = LinearRegression()
regr.fit(df2.iloc[1:1000, 5].values, df2.iloc[1:1000, 2].values)

产生：

ValueError: Found arrays with inconsistent numbers of samples: [  1 999]

---

这些选择必须具有相同的维度，并且它们应该是numpy数组，那么我缺少什么呢

看起来sklearn需要的数据形状为（行号、列号）。 如果数据形状是（行号），如

（999，）

，则它不起作用。 通过使用

numpy.reformate（）

，您应该将数组的形状更改为

（999，1）

，例如使用

data=data.reshape((999,1))

在我的情况下，这是有效的

我认为regr.fit的“X”参数需要是一个矩阵，所以下面应该可以

regr = LinearRegression()
regr.fit(df2.iloc[1:1000, [5]].values, df2.iloc[1:1000, 2].values)

尝试将您的功能放在一个元组中，如下所示：

features = ['TV', 'Radio', 'Newspaper'] X = data[features] 功能=[“电视”、“收音机”、“报纸”]

---

X=data[features]看起来您正在使用熊猫数据帧（来自名称df2）

您还可以执行以下操作：

regr = LinearRegression()
regr.fit(df2.iloc[1:1000, 5].to_frame(), df2.iloc[1:1000, 2].to_frame())

---

注意：我删除了将pandas系列转换为numpy.ndarray的“值”，而numpy.ndarray没有_frame（）属性。

我遇到了此错误，因为我将数据转换为

np.array

。我通过将数据转换为

np.matrix

并进行转置，解决了这个问题

值错误：

regr.fit（np.array（x\u列表）、np.array（y\u列表））

正确：

regr.fit（np.transpose（np.matrix（x_列表）），np.transpose（np.matrix（y_列表）））

要分析两个数组（array1和array2），它们需要满足以下两个要求：

1）他们需要成为一个numpy.ndarray

核对

type(array1)
# and
type(array2)

如果情况并非如此，则至少执行其中一项

array1 = numpy.ndarray(array1)
# or
array2 = numpy.ndarray(array2)

2）尺寸需要如下所示：

array1.shape #shall give (N, 1)
array2.shape #shall give (N,)

N是数组中的项数。 要为阵列1提供正确数量的轴，请执行以下操作：

array1 = array1[:, numpy.newaxis]

---

正如上面提到的，X参数必须是一个矩阵或一个具有已知维数的numpy数组。所以你可以用这个：

df2.iloc[1:1000, 5:some_last_index].values

---

<>你的数据文件将被转换成一个已知维度的数组，你不必在UDAQUEST学习基础课程上看到它

< P>：

df = pd.read_csv('my.csv')
...
regr = LinearRegression()
regr.fit(df[['column x']], df[['column y']])

---

我面临着类似的问题。在我的例子中，问题是，X中的行数不等于y中的行数

---

i、 e.功能列中的条目数不等于目标变量中的实体数，因为我从功能列中删除了一些行。

在列车测试拆分期间，您可能会犯错误

x_train,x_test,y_train,y_test=sklearn.model_selection.train_test_split(X,Y,test_size)

以上代码是正确的

你可能会像下面这样做，这是错误的

x_train,y_train,x_test,y_test=sklearn.model_selection.train_test_split(X,Y,test_size)

---

有几天我也面临同样的问题。原因是数组大小不同。

我的数据形状是（10L，），如何将其转换为（10L，1）。当我使用data=data.reforme（len（data），1）时，生成的形状是（10L，1L）而不是（10L，1）@user3841581请参考此内容。@Boern感谢您的评论。我还发现，X_列的大小应该是（N，1），但y_列的大小应该是（N，）而不是（N，1），否则它不起作用，至少对我来说不起作用。数据。如果数据是序列对象，重塑（…）可能会显示去润滑警告。使用data.values.reformate（…）data=data.reformate（-1,1）谢谢！这真的是最简单、最容易理解的！实际上，Y参数应为（长度，）形状。谢谢

x_train,y_train,x_test,y_test=sklearn.model_selection.train_test_split(X,Y,test_size)