已重塑数组仍遇ValueError：数组维度为4，估算器要求≤2求助

咱们来拆解下你遇到的问题，根源主要出在日期数组的重塑逻辑和预测时的输入维度嵌套上，一步步来修正：

问题1：日期数组的reshape方向搞反了 #

看你第25行的代码：

dates = dates.reshape(dates.shape[1], -1)

你之前通过dates.append([int(date.day)])生成的dates是(n_samples, 1)的二维数组（比如20条数据就是(20,1)），但你用dates.shape[1]（也就是1）作为第一个维度，reshape后变成了(1, 20)的行向量——而Scikit-learn的模型要求输入是列向量（n_samples, n_features），也就是每个样本占一行，特征占一列，这个维度错误是触发问题的核心。

问题2：预测时的输入嵌套层数太多 #

第36行你调用函数传的是[[28]]，函数内部又写了svr_rbf.predict([[x]])，这就导致最终传入的是[[[28]]]，变成了三维数组，叠加之前的日期维度问题，就出现了dim 4的报错。

修正后的完整代码及说明 #

1. 修正日期数组的reshape #

把第25行改成正确的reshape方式，确保是(n_samples, 1)的形状：

# 替换原来错误的reshape代码
dates = dates.reshape(-1, 1)

reshape(-1,1)的意思是让Python自动计算样本数量，固定特征数为1，完美符合模型的输入要求。

2. 修正预测时的输入维度 #

调用predict_prices时直接传单个值28，不用嵌套多层列表：

# 替换原来的调用代码
predicted_price = predict_prices(dates, prices, 28)

函数内部的预测部分保持svr_rbf.predict([[x]])即可，这里是把单个值转换成模型需要的(1,1)形状数组。

完整修正后的代码 #

from datetime import datetime
from iexfinance.stocks import Stock
import pandas as pd
import numpy as np
from sklearn.svm import SVR
import matplotlib.pyplot as plt

start = datetime(2020, 1, 1)
end = datetime(2020, 1, 29)

def get_price_vol(symbol):
    get_info= get_historical_data(symbol, start, end, token='xyz', close_only=True, output_format='pandas' )
    return get_info

aapl_df = get_price_vol('aapl').reset_index()
df = aapl_df[['date','close']].iloc[:-1]
df_dates = df.loc[:,'date']
df_close = df.loc[:,'close']

dates = []
prices = []
for date in df_dates:
    dates.append([int(date.day)] )
for close_price in df_close:
    prices.append(float(close_price))

dates = np.array(dates)
# 修正reshape方向
dates = dates.reshape(-1, 1)
prices = np.array(prices)

def predict_prices(dates, prices, x):
    svr_rbf = SVR(kernel='rbf', C=1e3, gamma=0.1)
    svr_rbf.fit(dates, prices)
    
    plt.scatter(dates, prices, color = 'black', label='Data')
    plt.plot(dates, svr_rbf.predict(dates), color = 'red', label='RBF model')
    plt.xlabel('Date')
    plt.ylabel('Price')
    plt.legend() # 加上图例让图表更清晰
    plt.show()
    
    return svr_rbf.predict([[x]])[0]

# 修正传入的参数维度
predicted_price = predict_prices(dates, prices, 28)
print(predicted_price)

额外小提醒 #

• 你代码里第4行from pandas import pandas是多余的，已经有import pandas as pd了，可以删掉；
• 画图时加上plt.legend()能让图例正常显示，方便观察模型拟合效果；
• 注意确认get_historical_data的调用是否符合当前iexfinance版本的API要求，如果这部分报错可以查下官方文档调整。

内容的提问来源于stack exchange，提问作者Jonathan