Scikit-learn线性回归从标量预测向量报错，求解决方法

问题根源 #

你的代码报错核心是数据形状不匹配，而非LinearRegression不支持多输出——实际上该模型默认支持多输出预测，只要输入数据符合Scikit-learn的格式要求：

• 输入特征x需为(n_samples, n_features)格式：每个样本占一行，特征数为列数
• 输出标签y需为(n_samples, n_outputs)格式：每个样本对应一个多维输出向量，组成二维数组

你的x_train是(1,m)的行向量，会被模型识别为1个样本、m个特征；而y_train是(m,)的向量集合，对应m个样本，两者样本数不匹配，导致报错。

解决步骤 #

1. 调整输入特征的形状
   将x_train从(1,m)转置为(m,1)，确保每个样本（共m个）对应1个特征：

   # 两种方式任选其一
   x_train = x_train.T  # 转置
   # 或者
   x_train = x_train.reshape(-1, 1)  # 自动调整为(m,1)
   

2. 确保输出标签为二维数组
   将y_train转换为(m, k)的二维数组（k是输出向量的维度），比如用NumPy转换：

   import numpy as np
   y_train = np.array(y_train)
   

修正后的完整代码 #

import numpy as np
from sklearn.linear_model import LinearRegression

# 调整输入特征形状
x_train = x_train.reshape(-1, 1)
# 确保输出标签为二维数组
y_train = np.array(y_train)

# 训练模型
lm = LinearRegression()
lm.fit(x_train, y_train)

内容的提问来源于stack exchange，提问作者Taimur Shahzad