逻辑回归训练报错：y应为一维数组，却获(234,11)形状数组

核心原因 #

报错显示y是形状为(234,11)的多维数组，但逻辑回归模型的fit()方法要求因变量y必须是一维数组。这说明你的y实际上是多列数据，大概率是disp_dummies['hwy']被误处理成了独热编码（One-Hot）的多列，而非原始的单标签列。

具体修复步骤 #

• 确认hwy列的原始状态：检查disp_dummies中的hwy是否是独热编码后的多列。如果是，必须使用未做独热编码的原始hwy列作为因变量，而非dummy后的版本。
• 修正y的取值：如果原始数据集（比如命名为df）有未处理的hwy列，直接从原始数据提取：

  y = df['hwy'].values  # 用原始单标签列，而非dummy后的多列
  

  若disp_dummies是你自行生成的，确保生成dummy时仅处理自变量列，保留hwy为原始列：

  # 示例：仅对自变量列生成dummy，再把原始hwy列加回
  disp_dummies = pd.get_dummies(df.drop('hwy', axis=1))
  disp_dummies['hwy'] = df['hwy']
  

• 修正训练时的变量使用：你的代码中已将处理后的自变量赋值给X，且完成了数据集划分，训练时应使用划分后的X_train和y_train，而非原始的x、y：

  lr.fit(X_train, y_train)
  

• 强制转换y为一维数组：若确认y应为一维但实际是多维，可通过以下方式转换：

  y = y.ravel()  # 或 y = y.flatten()
  

修正后的完整示例代码 #

import pandas as pd
from sklearn.preprocessing import LabelEncoder, OneHotEncoder
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression

# 假设df是你的原始数据集
df = pd.read_csv('你的数据文件路径.csv')

# 仅对自变量列生成dummy，保留hwy为原始标签列
disp_dummies = pd.get_dummies(df.drop('hwy', axis=1))
disp_dummies['hwy'] = df['hwy']

# 提取自变量和因变量
X = disp_dummies.drop('hwy', axis=1).values
y = disp_dummies['hwy'].values

# 确保y为一维数组
y = y.ravel()

# 划分训练集与测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.4, random_state=0)

# 训练逻辑回归模型
lr = LogisticRegression()
lr.fit(X_train, y_train)

内容的提问来源于stack exchange，提问作者sid