Python含三变量的线性回归循环执行报错求助

错误原因 #

报错ValueError: Found input variables with inconsistent numbers of samples: [2,74]的核心原因是特征输入格式不符合sklearn要求：
你构造的X = sal_ens[i], temp_ens[i]是两个独立的一维数组（每个长度74），而sklearn.linear_model.LinearRegression.fit()要求特征矩阵必须是二维数组，形状为(样本数, 特征数)（这里应为(74, 2)），而非一维数组的元组。

修正后的完整代码 #

from sklearn import linear_model
import numpy as np

# 初始数据加载部分（保持不变）
x = glodap_hot_merged_finalized['G2salinity']
y = glodap_hot_merged_finalized['G2talk']
z = glodap_hot_merged_finalized['G2temperature']

iterations = 1000

# 修正结果存储数组：slopes需要存储每个回归的2个斜率，改为二维数组
stdevs = np.empty((iterations,), dtype=float)
slopes = np.empty((iterations, 2), dtype=float)  # 每行对应一次回归的两个斜率
intercepts = np.empty((iterations,), dtype=float)

nbot = len(x)
sal = x.values
alk = y.values
temp = z.values
           
sal_ens = np.random.randn(iterations, nbot) * 1e-3 + sal[np.newaxis, :]  
alk_ens = np.random.randn(iterations, nbot) * 2 + alk
temp_ens = np.random.randn(iterations, nbot) * 1e-2 + temp[np.newaxis, :]

# 修正后的循环
for i in range(iterations):
    # 将两个一维特征数组合并为(74, 2)的二维特征矩阵
    X = np.column_stack([sal_ens[i], temp_ens[i]])
    Y = alk_ens[i]
 
    regr = linear_model.LinearRegression()
    regr.fit(X, Y)

    # 直接从模型获取截距和斜率
    intercepts[i] = regr.intercept_
    slopes[i] = regr.coef_  # coef是长度为2的数组，对应盐度、温度的系数
    
    # 可选：计算残差标准差
    y_pred = regr.predict(X)
    stdevs[i] = np.std(Y - y_pred)

关键修改说明 #

• 特征矩阵构造：用np.column_stack将两个一维数组合并为符合要求的二维矩阵，确保每个样本对应一行，两个特征对应两列。
• 结果提取：LinearRegression模型训练后，intercept_直接返回截距值，coef_返回长度等于特征数的数组，对应每个自变量的斜率。
• 结果存储：将slopes改为二维数组，用于存储每次回归的两个斜率值。

内容的提问来源于stack exchange，提问作者Caroline J.