LinearRegression预测特征名警告及预测值异常问题问询

问题1：特征名不匹配警告 #

原因 #

训练模型时，输入的特征数据x=df[['A']]是带有列名'A'的DataFrame，LinearRegression拟合时会记录特征名信息。而测试用的new_x=pd.DataFrame([0.4])未指定列名，模型检测到特征名不匹配，触发警告。

解决 #

给测试数据指定与训练数据一致的列名：

new_x = pd.DataFrame([0.4e7], columns=['A'])

问题2：异常负预测值 #

原因 #

你误将实际应输入的0.4e7写成了0.4，这个值远低于训练数据中A列的取值范围（从散点图x≥0、y≥0的趋势来看，训练数据的x值应该在0.4e7量级）。线性模型在训练数据范围外做外推时，极易出现不符合数据趋势的结果，因此得到了负预测值。

解决 #

修正输入的测试值为正确的0.4e7，同时配合上述列名修正，就能得到符合预期的预测结果。

修正后的完整代码 #

x = df[['A']]
y = df['B']

m = LinearRegression()
m.fit(x, y)

# 修正后的测试数据：指定列名+正确输入值
new_x = pd.DataFrame([0.4e7], columns=['A'])
print(m.predict(new_x))

额外注意事项 #

• 处理大数值特征时，可考虑对特征做标准化/归一化处理，能提升模型稳定性，但本次问题核心是输入错误和列名不匹配。
• 预测前务必确认测试值处于训练数据的取值范围内，避免模型外推导致的不合理结果。

内容的提问来源于stack exchange，提问作者ViB