线性回归模型报错：期望二维数组、样本数不一致问题求解

一、样本数不一致错误（Found input variables with inconsistent numbers of samples） #

问题原因 #

调用train_test_split时变量赋值顺序错误。sklearn的train_test_split返回顺序固定为：训练特征(X_train)、测试特征(X_test)、训练标签(y_train)、测试标签(y_test)，你之前写反了后两个变量，导致y_train实际接收的是X的测试集，y_test接收的是y的测试集，两者样本数自然不匹配。

解决代码 #

纠正赋值顺序：

from sklearn.model_selection import train_test_split
# 正确顺序：X_train, X_test, y_train, y_test
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.2)

二、预测时数组维度错误（Expected 2D array, got 1D array instead） #

问题原因 #

sklearn所有模型的predict方法要求输入必须是二维数组，形状为[样本数量, 特征数量]。你传入的[1,10,4]是一维数组（形状为[3]），模型无法识别这是一个包含3个特征的单一样本。

解决方法 #

把输入转换成二维数组，两种常用方式：

1. 直接使用双层列表：

LR.predict([[1, 10, 4]])

2. 用numpy的reshape方法转换：

import numpy as np
sample = np.array([1, 10, 4]).reshape(1, -1)  # 1表示1个样本，-1自动匹配特征数
LR.predict(sample)

额外优化建议：LabelEncoder的正确用法 #

你当前循环中对两个特征使用同一个LabelEncoder实例，会导致第二个特征的编码基于第一个特征的类别，容易出现编码混淆（比如两个特征有相同名称的类别时，编码错误）。建议每个特征使用独立的编码器：

from sklearn.preprocessing import LabelEncoder

cols = ['nama_pasar','komoditas']
encoder_dict = {}

for col in cols:
    le = LabelEncoder()
    df_test[col] = le.fit_transform(df_test[col])
    encoder_dict[col] = le  # 保存编码器，方便后续逆变换
    print(le.classes_)

内容的提问来源于stack exchange，提问作者Skidud