train_test_split后样本数不一致，逻辑回归MAE计算报错

核心错误原因 #

你犯了一个逻辑错误：用训练集的预测结果y_pred去和测试集标签y_test计算MAE。

• y_pred = logReg.predict(X_train) 是对训练集样本做预测，样本数和X_train一致（总样本的80%，即101612条）
• y_test是测试集的标签，样本数是总样本的20%（25404条）
  两者样本数自然不匹配，触发报错。

为什么test_size=0.5时能运行？因为此时训练集和测试集样本数各占一半，数量相等，所以不会触发样本数不一致的报错，但这依然是逻辑错误——你应该用模型对测试集做预测，再和测试集标签对比评估模型泛化能力，而不是用训练集的预测结果。

修正后的代码步骤 #

把预测步骤改成对测试集X_test做预测：

# 训练模型并预测测试集
logReg = LogisticRegression(n_jobs=-1)
logReg.fit(X_train, y_train)
y_pred = logReg.predict(X_test)  # 此处改为预测测试集

# 计算MAE
mae = mean_absolute_error(y_test, y_pred)
print("MAE:" , mae)

额外验证建议 #

如果担心特征和标签划分有问题，可以打印X和y的样本数确认是否一致：

print(f"X样本数: {X.shape[0]}, y样本数: {y.shape[0]}")

只要两者数值相等，就说明特征标签划分没问题。

内容的提问来源于stack exchange，提问作者ace brown