使用sklearn做逻辑回归时调用accuracy_score报样本数不一致错误如何解决

错误原因 #

该报错和train_test_split按50%比例拆分样本无关，18151是奇数，拆分后训练集9075条、测试集9076条属于正常逻辑。
报错的核心原因是你计算准确率时传入的两组数据样本量不匹配：

• 传入accuracy_score的第一个参数是y2_test，对应测试集标签，共9076条
• 第二个参数是select.estimator_.predict(X2_train)，是训练集特征的预测结果，共9075条
  两组数据数量不一致，自然触发样本量校验报错。

修复方案 #

根据你要计算的准确率类型，统一传入同一数据集的特征和标签即可：

方案1：计算训练集准确率 #

将标签替换为训练集对应的y2_train：

print("训练集准确率 {0:2%}".format(accuracy_score(y2_train, select.estimator_.predict(X2_train))))

方案2：计算测试集准确率（更推荐，用于评估模型泛化能力） #

将预测用的特征替换为测试集对应的X2_test：

print("测试集准确率 {0:2%}".format(accuracy_score(y2_test, select.estimator_.predict(X2_test))))

额外优化建议 #

• 定义y2时不需要用reshape(-1,1)转为二维数组，scikit-learn分类器的标签参数默认接收一维数组，二维格式可能触发额外警告，可直接写为y2=df["diab_inc"].values。
• 若你使用SelectFromModel的目的是筛选重要特征，建议用select.transform(X2_train)提取筛选后的特征重新训练模型，当前直接调用estimator_得到的是全量特征训练的结果，和特征选择的目标不符。

内容的提问来源于stack exchange，提问作者Víctor de la O Pascual