使用Sklearn决策树回归器计算单样本指标时遇样本数不一致错误

问题根源 #

你调用mean_squared_error(Y, y_prediction)时，参数维度不匹配：

• Y是训练集的真实标签（共303行）
• y_prediction是单个测试样本的预测结果（仅1行）
  MSE要求真实值与预测值的样本数量完全对应，因此触发"Found input variables with inconsistent number of samples"错误。

修复方案 #

方案1：使用测试样本对应的真实标签计算MSE

如果你的测试集（Heart_test.csv）包含该样本的真实心脏病发作概率标签，直接提取对应标签与预测值计算MSE：

import pandas as pd
from sklearn import tree
from sklearn.metrics import mean_squared_error

# 读取数据
heart = pd.read_csv('heart.csv')
test_data = pd.read_csv('Heart_test.csv')

# 拆分训练集特征与标签（用一维Series避免维度问题）
X_train = heart.iloc[:, 0:13]
Y_train = heart.iloc[:, 13]

# 拆分测试集特征与真实标签
X_test = test_data.iloc[:, 0:13]
Y_test = test_data.iloc[:, 13]  # 假设第14列为测试样本的真实标签

# 训练模型
model = tree.DecisionTreeRegressor()
model.fit(X_train, Y_train)

# 预测并计算MSE
y_pred = model.predict(X_test)
print(mean_squared_error(Y_test, y_pred))

方案2：无真实标签时的处理

如果没有测试样本的真实标签，可直接输出预测结果；若一定要计算MSE，需构造与预测值长度一致的真实值（比如已知的样本真实概率）：

import pandas as pd
from sklearn import tree
from sklearn.metrics import mean_squared_error

heart = pd.read_csv('heart.csv')
test = pd.read_csv('Heart_test.csv')

X_train = heart.iloc[:, 0:13]
Y_train = heart.iloc[:, 13]

X_test = test.iloc[:, 0:13]

model = tree.DecisionTreeRegressor()
model.fit(X_train, Y_train)

y_pred = model.predict(X_test)

# 直接输出预测结果
print("单样本预测概率：", y_pred[0])

# 构造真实值计算MSE（替换为实际真实值）
true_value = [0.6]  # 示例：假设该样本真实发作概率为0.6
print("MSE：", mean_squared_error(true_value, y_pred))

关键注意事项 #

• 训练模型时，标签建议用一维Series（heart.iloc[:,13]）而非二维DataFrame（heart.iloc[:,13:14]），减少维度兼容问题。
• 所有评估指标（包括MSE）的核心要求：真实值数组与预测值数组的形状、样本数必须完全匹配。

内容的提问来源于stack exchange，提问作者ThickNicc