使用scikit-learn LinearRegression时reg.predict报错：输入非二维数组

核心问题 #

reg.predict(1740)报错的原因是：scikit-learn的predict方法要求输入必须是二维数组（或可转换为二维数组的结构），而你传入的1740是单个标量，维度不匹配。

你训练模型时用的x_matrix是二维数组（shape为(n_samples, 1)），模型已经适配了「每个样本对应一行特征」的输入格式，所以预测时哪怕只有一个样本，也需要保持相同的二维结构。

修复方法 #

把单个数值包装成二维数组即可，有两种常用方式：

方式1：直接用嵌套列表传入

修改预测代码为：

reg.predict([[1740]])

这里[[1740]]是一个1行1列的二维数组，完全符合模型的输入要求。

方式2：用numpy的reshape转换

如果习惯用numpy处理，也可以这样写：

reg.predict(np.array(1740).reshape(-1, 1))

reshape(-1,1)会把单个标量转换成形状为(1,1)的二维数组，和训练时的特征维度保持一致。

验证修改后的代码 #

把你的预测行替换成上面任意一种写法，就能正常输出预测结果了。

内容的提问来源于stack exchange，提问作者Hoot