线性建模遇ValueError：输入样本数量不一致问题求助

问题代码 #

Predictors = pd.DataFrame(['house_age'],['Distance_to_MRT_Station'],['Convenience_Stores'])
X=Predictors
y=('Price_Per_Sqft')

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.20, random_state=1)
lr = LinearRegression()
lr.fit(X_train, y_train)
LinearRegression()

报错信息 #

ValueError                                Traceback (most recent call last)
<ipython-input-172-040724a8c0e4> in <module>
----> 1 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.20, random_state=1)
      2 lr = LinearRegression()
      3 lr.fit(X_train, y_train)
      4 LinearRegression()

2 frames
/usr/local/lib/python3.8/dist-packages/sklearn/utils/validation.py in check_consistent_length(*arrays)
    330     uniques = np.unique(lengths)
    331     if len(uniques) > 1:
---> 332         raise ValueError(
    333             "Found input variables with inconsistent numbers of samples: %r"
    334             % [int(l) for l in lengths]

ValueError: Found input variables with inconsistent numbers of samples: [1, 14]

修复方案 #

错误根源 #

1. 特征集X创建错误：你用pd.DataFrame的方式生成的是仅1行3列的空数据框（只有列名，无实际样本数据），样本数为1。
2. 目标变量y赋值错误：y=('Price_Per_Sqft')只是把y定义成了一个字符串，sklearn会把字符串长度（14）当作样本数，导致X和y样本数不匹配（1 vs 14）。

修正代码 #

假设你的原始数据集已经读取为df（比如通过pd.read_csv加载），正确代码如下：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression

# 从原始数据集中提取特征列和目标列
X = df[['house_age', 'Distance_to_MRT_Station', 'Convenience_Stores']]
y = df['Price_Per_Sqft']

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.20, random_state=1)

# 训练线性回归模型
lr = LinearRegression()
lr.fit(X_train, y_train)

说明 #

• 必须从已加载的完整数据集中提取特征和目标变量，而非手动创建仅含列名的空数据框。
• 目标变量y要对应数据集中的真实列，不能是字符串字面量。

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