使用Linear Regression预测值时遇维度错误，如何重塑输入形状？

当执行reg.predict(60)出现维度错误，核心原因是scikit-learn的线性回归模型要求输入必须是二维数组，而60是单个标量（一维值），不符合模型的输入格式要求。你可以通过以下几种方式重塑输入形状：

• 方式一：使用numpy的reshape方法转换
  先导入numpy（未导入的话需先执行导入），将输入转为二维数组：

  import numpy as np
  reg.predict(np.array(60).reshape(1, -1))
  

  reshape(1, -1)会将数据转换为1行、列数自动匹配的二维结构，最终得到[[60]]，满足模型输入要求。

• 方式二：直接传入嵌套列表
  无需依赖numpy，直接把数值放在二维列表中：

  reg.predict([[60]])
  

  这种写法更简洁，本质是构造了包含单个样本的二维输入数据。

• 方式三：批量预测多个值的处理
  如果需要预测多个数值（如60、70、80），同样要保持二维结构：

  # 直接用列表
  reg.predict([[60], [70], [80]])
  # 或用numpy
  reg.predict(np.array([60, 70, 80]).reshape(-1, 1))
  

关键提醒 #

scikit-learn的监督学习模型，无论训练还是预测，输入特征都要求是二维结构（行对应样本数量，列对应特征数量），哪怕只有单个样本，也必须维持这种结构，不能直接传入单个数值。

内容的提问来源于stack exchange，提问作者Random guy in internet with no