LinearRegression建模报错：特征名无效+维度不匹配问题求助

1. UserWarning: X does not have valid feature names, but LinearRegression was fitted with feature names #

原因 #

你通过.values将X从DataFrame转为numpy数组时，丢失了原始特征名称。LinearRegression在拟合DataFrame类型数据时会记录特征名，但numpy数组不含该信息，后续若使用带特征名的输入（如DataFrame）进行操作，就会触发此警告。

修复方式 #

• 若无需转换为数组，直接保留X的DataFrame格式：

  X = train_data.drop(['Id'], axis=1)  # 移除.values，保留特征名
  

• 若必须使用numpy数组，后续所有输入（包括预测时）统一使用数组格式，避免混合DataFrame与数组，警告会自动消失。

2. ValueError: 预期输入2D数组，却得到1D数组(1460,) #

原因 #

• 逻辑错误：predict方法需要传入与训练时X结构一致的特征数据，你错误传入了目标变量Ya，这违背了模型预测的基本逻辑。
• 维度未正确修改：Ya.reshape(-1, 1)不会原地修改数组，必须将结果重新赋值给Ya，否则Ya仍为1D数组。

修复方式 #

1. 预测时传入正确的特征数据（如训练集X或测试集特征）；
2. 正确执行维度调整并赋值：

完整修正代码 #

from sklearn import linear_model

# 数据处理
Y = train_data['SalePrice']
X = train_data.drop(['Id'], axis=1)  # 保留DataFrame以保留特征名

Ya = Y.values.reshape(-1, 1)  # 赋值reshape后的结果，转为2D数组
print('Y shape:', Ya.shape)  # 输出应为(1460, 1)

# 建模与预测
lm = linear_model.LinearRegression()
lm.fit(X, Ya)
# 传入特征数据进行预测（示例用训练集X，实际应使用测试集）
res = lm.predict(X)

内容的提问来源于stack exchange，提问作者Data Science Analytics Manager