Scikit-learn回归模型计算评分时触发维度错误，求解决方案

错误原因 #

• 参数传递完全错误：Scikit-learn中回归模型的score()方法定义是model.score(X, y_true, sample_weight=None)，第一个参数是测试集特征矩阵X，第二个是真实标签y_true，而你错误地传入了y_test（真实标签，1D数组）作为第一个参数，y_pred（预测值）作为第二个参数。
• 当score()方法接收到y_test作为X时，内部会调用model.predict(X)，而模型的predict()方法要求输入的特征矩阵必须是2D数组，但y_test是1D的，因此触发维度不匹配的ValueError。

解决方法 #

有两种正确的实现方式：

方式1：正确调用model.score() #

直接传入测试集特征x_test和真实标签y_test，方法内部会自动完成预测并计算R²得分：

for regressor in regression_models:
    name = regressor[0]
    regressor = regressor[1]

    print("Model Name:", name)
    model = regressor.fit(x_train, y_train)
    y_pred = model.predict(x_test)
    # 正确的score调用方式
    score = model.score(x_test, y_test)
    print(score)

方式2：手动调用metrics.r2_score #

如果需要基于已有的y_pred计算得分，可以直接调用sklearn的评估函数：

from sklearn.metrics import r2_score

for regressor in regression_models:
    name = regressor[0]
    regressor = regressor[1]

    print("Model Name:", name)
    model = regressor.fit(x_train, y_train)
    y_pred = model.predict(x_test)
    # 手动计算R²得分
    score = r2_score(y_test, y_pred)
    print(score)

两种方式得到的结果完全一致，因为model.score()内部就是调用r2_score实现的。

内容的提问来源于stack exchange，提问作者taga