LinearRegression特征数量不匹配报错求助：已尝试数组重塑仍未解决

错误原因 #

你代码最后一行的model.score(pred,y_test)参数顺序完全搞反了。LinearRegression.score()方法要求：第一个参数是输入特征矩阵X（必须和训练时的特征数量一致，也就是10个特征），第二个参数是真实目标值y。你把仅1列的预测结果pred传成了第一个参数，模型自然判定输入只有1个特征，和训练时的10个特征不匹配，因此报错。

修正后的代码 #

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.neighbors import KNeighborsClassifier
from sklearn.neighbors import KNeighborsRegressor
from io import StringIO
from sklearn.metrics import accuracy_score
from sklearn.model_selection import train_test_split
from sklearn import linear_model

d = pd.read_csv("http://www.stat.wisc.edu/~jgillett/451/data/mtcars.csv")
X = d[['cyl','disp','hp','drat','wt','qsec','vs','am','gear','carb']]
y = d[['mpg']].values
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.5, random_state=0)

model = linear_model.LinearRegression()
model.fit(X_train, y_train)
pred = model.predict(X_test).reshape(-1,1)
y_test = y_test.reshape(-1,1)

# 修正参数顺序：第一个传X_test，第二个传y_test
score = model.score(X_test, y_test)
print(score)

额外说明 #

• 你之前对y_test和pred做的reshape其实没必要，train_test_split返回的目标值以及predict输出的结果，维度都符合score方法的要求，保留也不影响结果。
• 如果想直接用预测值和真实值计算回归指标，也可以用sklearn.metrics里的r2_score，结果和model.score(X_test, y_test)完全一致：

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

内容的提问来源于stack exchange，提问作者Johnny