如何用LinearRegression预测每月受害者总数？数据处理与建模求助

1. 统计每月受害者总数 #

先从原数据集按年份+月份分组，统计每月的受害者总数。假设数据集每行对应一个受害者，用groupby配合size()计算：

# 按年、月分组，统计每月受害者总数，生成新DataFrame
monthly_victims = df_pre.groupby(['Year', 'Month']).size().reset_index(name='Total_Victims')

如果有专门记录单条数据受害者数量的列（比如Victim_Count），则用sum()求和：

monthly_victims = df_pre.groupby(['Year', 'Month'])['Victim_Count'].sum().reset_index(name='Total_Victims')

生成的monthly_victims包含Year、Month、Total_Victims三列，维度完全匹配后续建模需求。

2. 训练线性回归模型 #

明确模型的特征(X)和目标变量(y)：

• 特征：选择Year和Month作为时间维度的输入（仅用月份会忽略年度趋势，建议保留年份）
• 目标：每月受害者总数Total_Victims

注意：sklearn的fit方法要求特征必须是二维数组，需用双层方括号[[]]包裹列名，避免维度不匹配错误：

from sklearn.linear_model import LinearRegression

# 初始化模型
reg = LinearRegression()

# 准备特征与目标变量
X = monthly_victims[['Year', 'Month']]
y = monthly_victims['Total_Victims']

# 训练模型
reg.fit(X, y)

3. 常见问题说明 #

• 维度不匹配：之前出错是因为传入的特征是一维Series（比如df_pre['Month']），改用双层方括号[['Month']]即可转为二维DataFrame，解决维度问题。
• 用Vict Age拟合错误：Vict Age是单个受害者的年龄，与每月总数无直接线性关联，必须先聚合为月度总数再建模。

内容的提问来源于stack exchange，提问作者Doublenine_