sklearn调用make_regression设n_features>1时报x与y尺寸需一致错误

• 你调用make_regression设置n_features=2时，返回的x是形状为(150, 2)的二维数组，而y是形状为(150,)的一维数组
• plt.scatter()要求传入的前两个参数（x轴、y轴坐标序列）必须是长度相同的一维数组，你直接传入二维的x时，matplotlib无法对齐维度，才会抛出尺寸不匹配的报错，并非你生成的x和y的样本总量不一致。

场景1：单独绘制每个特征和目标值y的散点图 #

from sklearn.datasets import make_regression
import matplotlib.pyplot as plt

x,y=make_regression(n_samples=150, n_features=2,noise=20)
# 绘制第一个特征和y的散点
plt.scatter(x[:,0], y, label='特征1')
# 绘制第二个特征和y的散点
plt.scatter(x[:,1], y, label='特征2')
plt.legend()
plt.show()

场景2：在3D坐标系中同时展示两个特征和y的关系 #

from sklearn.datasets import make_regression
import matplotlib.pyplot as plt

x,y=make_regression(n_samples=150, n_features=2,noise=20)
ax = plt.axes(projection='3d')
ax.scatter3D(x[:,0], x[:,1], y)
ax.set_xlabel('特征1')
ax.set_ylabel('特征2')
ax.set_zlabel('目标值y')
plt.show()

内容的提问来源于stack exchange，提问作者Taresh Gupta