报错Expected 2D array, got 1D array：线性回归预测输入维度问题

问题根源 #

你的训练数据形状不符合sklearn LinearRegression的要求。当前m是(1,6)的数组，被模型识别为1个样本、6个特征，但实际你需要的是单变量线性回归（1个特征、6个样本），这导致预测时模型错误地要求传入6个特征值。

修正步骤 #

1. 调整训练数据的形状

将输入特征m和标签c转置，转换为(n_samples, n_features)的标准格式：

import numpy as np
from sklearn.linear_model import LinearRegression

# 转置后形状为(6,1)：6个样本，每个样本1个特征
m = np.array([[1,5,3,6,10,20]]).T
# 转置后形状为(6,1)：对应6个样本的标签
c = np.array([[100,500,300,600,1000,2000]]).T

model = LinearRegression()
model.fit(m, c)

2. 正确的预测方式

预测时需保证输入为2D数组（形状(n_samples, 1)），以下两种方式都可以：

• 单个值预测：

  model.predict([[5]])  # 双层括号构造(1,1)的2D数组
  

• 任意数量值的批量预测：

  # 方式1：手动构造2D数组
  model.predict([[5], [7], [12]])
  
  # 方式2：用reshape自动转换（更便捷）
  input_values = np.array([5, 7, 12])
  model.predict(input_values.reshape(-1, 1))  # reshape(-1,1)自动将1D数组转为(n,1)的2D数组
  

reshape(-1,1)中的-1会让numpy自动计算样本数量，无论你输入多少个单个值，都能转换成模型要求的格式。

内容的提问来源于stack exchange，提问作者mauricio