train_test_split函数报错：训练集为空的问题解决方法

你编写的板球运动员得分预测程序运行时出现以下错误：

ValueError: With n_samples=1, test_size=0.33 and train_size=None, the resulting
train set will be empty. Adjust any of the aforementioned parameters

问题根源 #

你的代码中X和Y的定义完全错误：你只是把列名放进了列表，并没有从加载的data数据框中提取实际的样本数据，导致train_test_split只识别到1个"样本"（就是那串列名），按33%的测试集拆分后，训练集样本数为0，触发报错。

修复步骤 #

• 正确提取特征与目标变量：使用pandas的列索引语法，从data中取出对应列的真实数据
• 确保数据集有足够样本：检查你的Rohit Sharma.csv文件，确保里面有至少2条以上的有效数据（样本量越多，模型效果越好）；如果样本极少，可以适当调小test_size（比如设为0.2或0.1）

修正后的完整代码 #

import pandas as pd
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split

# 加载数据集
data = pd.read_csv('Rohit Sharma.csv')

# 正确提取特征矩阵X和目标变量Y
X = data[['against','wickets','currentrun','weather','ball','over']]
Y = data['runsmade']

# 拆分训练集和测试集（如果样本少，可将test_size调至0.2或更小）
x_train, x_test, y_train, y_test = train_test_split(X, Y, test_size=0.33, random_state=42)

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

# 预测并输出结果
a = reg.predict(x_test)
print(a)
print(data)

额外提示 #

• 如果CSV中存在缺失值，训练前需要先处理（比如用data.dropna()删除缺失行，或data.fillna()填充），否则模型训练会报错
• 线性回归对特征的数值类型有要求，确保X中的列都是数值型数据（如果有字符串类型的特征，比如against是对手名称，需要先做编码处理，比如独热编码）

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