使用sklearn线性回归计算R²时遇特征名匹配错误求助

问题场景 #

我尝试用sklearn的LinearRegression构建模型，通过以下步骤计算R²值评估拟合效果：

• 导入CSV数据集
• 筛选目标列（卧室数、浴室数、房价）
• 划分训练集与测试集
• 创建并训练线性回归模型
• 在测试集上生成预测结果
• 计算R²评估模型表现

使用的代码如下：

''' 验证房价与卧室数、浴室数之间的相关性 '''

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression

df = pd.read_csv('data/American_Housing_Data_20231209.csv')

df_interesting_columns = df[['Beds', 'Baths', 'Price']]

independent_variables = df_interesting_columns[['Beds', 'Baths']]
dependent_variable = df_interesting_columns[['Price']]

X_train, X_test, y_train, y_test = train_test_split(independent_variables, dependent_variable, test_size=0.2)

model = LinearRegression()
model.fit(X_train, y_train)

prediction = model.predict(X_test)

print(model.score(y_test, prediction))

运行后触发错误：

ValueError: The feature names should match those that were passed during fit.
Feature names unseen at fit time:

• Price
  Feature names seen at fit time, yet now missing:
• Baths
• Beds

错误原因 #

你搞反了model.score()的参数顺序：
sklearn中LinearRegression.score()要求第一个参数是特征数据（X），第二个参数是真实标签（y）。你现在传入的y_test是房价标签列（特征名为Price），和模型训练时用的Beds、Baths特征不匹配，因此触发报错。

修正方案 #

有两种正确的写法：

写法1：直接使用模型的score方法（传入测试集特征和真实标签）

把最后一行代码改成：

print(model.score(X_test, y_test))

写法2：用metrics模块的r2_score函数（传入真实标签和预测值）

先导入metrics模块，再计算：

from sklearn.metrics import r2_score
print(r2_score(y_test, prediction))

这两种写法都能正确计算出测试集上的R²值。

内容的提问来源于stack exchange，提问作者Fede