Python sklearn二次多项式拟合报matmul维度不匹配错误求解

报错的核心原因是模型训练阶段和预测阶段的输入特征维度不匹配：

• 你通过PolynomialFeatures生成了包含一次项、二次项的2维多项式特征x_poly，但训练LinearRegression模型时，传入的拟合数据是原始1维特征x，最终训练得到的模型权重仅适配1个输入特征
• 预测阶段传入的x_vp是经过多项式转换的2维特征，做矩阵运算时特征数和模型权重维度无法对齐，就触发了维度不匹配报错，报错信息中提示的size 1 is different from 2，就是指模型训练时接收的1个特征和预测时传入的2个特征的维度差。

仅需要修改模型拟合时的传入参数即可：

• 将模型训练语句中的输入特征从原始x替换为多项式转换后的x_poly，让模型学习到一次项、二次项对应的权重，保证训练和预测阶段的特征维度完全一致
• 其余特征转换、绘图逻辑无需调整

from numpy import *
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
from sklearn.preprocessing import PolynomialFeatures

x = array([[0.121644, 0.243288, 0.486576, 0.60822, 0.729864, 0.851508]]).reshape(-1,1)
y = array([[0.95, 1.02, 1.21, 1.35, 1.47, 1.61]]).reshape(-1,1)

poly = PolynomialFeatures(degree=2, include_bias=False)
x_poly = poly.fit_transform(x)

reg = LinearRegression()
# 核心修正：使用多项式特征训练模型
reg.fit(x_poly, y)

x_val = linspace(0.121644, 0.851508, 100).reshape(-1,1)
x_vp = poly.transform(x_val)

y_val = reg.predict(x_vp)

plt.scatter(x,y)
plt.plot(x_val, y_val)
plt.show()

内容的提问来源于stack exchange，提问作者Quasar