按ClientID分组构建线性回归模型报错求助

问题背景 #

基于DataFrame dfTotal3，按ClientID分组，以WeightDiff（自上次记录后的体重变化）为自变量、Steps（客户每日步数）为因变量构建线性回归模型，原代码运行触发维度不匹配错误。

错误原因 #

报错提示Expected 2D array, got 1D array instead，因为sklearn的LinearRegression.predict()要求输入特征为2D数组，但传入的target是1D结构。此外原代码存在两个逻辑问题：

• model函数的第一个参数命名错误，groupby.apply会将每个分组的子DataFrame传入该参数，而非全局的dfTotal3
• group_predictions函数中错误覆盖了传入的target参数，替换为未定义的dfWeightComp['DTWDG']

修正后的代码 #

import numpy as np
from sklearn.linear_model import LinearRegression
import pandas as pd

def model(group_df, target):
    # 提取当前分组的自变量和因变量
    X = group_df[['WeightDiff']].values  # 保持2D数组格式
    y = group_df['Steps'].values  # sklearn接受1D格式的因变量
    
    lr_model = LinearRegression()
    lr_model.fit(X, y)
    
    # 将target转换为2D数组，兼容Series和numpy数组输入
    if isinstance(target, pd.Series):
        target_2d = target.values.reshape(-1, 1)
    else:
        target_2d = target.reshape(-1, 1)
    
    return lr_model.predict(target_2d)

def group_predictions(df, target):
    # 按ClientID分组，对每个分组应用模型
    return df.groupby('ClientID').apply(model, target=target)

# 调用示例：传入待预测的WeightDiff数据
predictions = group_predictions(dfTotal3, dfTotal3['DTWDG'])

其他建模思路 #

• 多元线性回归：若有客户年龄、性别、饮食数据等额外特征，可加入模型提升拟合精度，只需修改X为多列特征即可
• 混合效应模型（随机效应）：当客户群体存在共性+个体差异时，使用混合效应模型能同时利用组间和组内信息，比单纯分组回归更高效：

  import statsmodels.api as sm
  from statsmodels.regression.mixed_linear_model import MixedLM
  
  # 构建混合效应模型，ClientID作为随机分组
  mixed_model = MixedLM.from_formula(
      'Steps ~ WeightDiff',
      data=dfTotal3,
      groups=dfTotal3['ClientID']
  )
  model_result = mixed_model.fit()
  print(model_result.summary())
  
  # 生成预测结果
  mixed_predictions = model_result.predict(dfTotal3)
  

• 非线性模型：若步数与体重变化并非线性关系，可尝试分组应用多项式回归、决策树回归等非线性模型，捕捉更复杂的变量关系

内容的提问来源于stack exchange，提问作者Aodhan