线性回归调用predict方法时出现matmul维度不匹配错误如何解决？

错误原因 #

• 你调用lr.predict()时传入了错误的输入参数：scikit-learn中所有预测模型的predict()方法要求输入的是特征矩阵X，而非标签数组y，你误把测试集标签y_test作为输入传入，本身就不符合预测逻辑。
• 第一次提示1D数组错误，是因为y_test本身是一维的标签数组，而predict()要求输入的特征矩阵必须是二维结构；你后续对y_test做reshape(-1,1)调整后，相当于传入了一个只有1个特征的二维数组，但你的模型是用329维的特征训练得到的，输入特征维度和模型要求的329维不匹配，矩阵乘法运算无法执行，就触发了第二个维度不匹配的报错。

解决方法 #

• 直接将测试集的特征矩阵X_test作为predict()的输入即可，不需要对y_test做任何处理，正确调用方式为：

y_pred = lr.predict(X_test)

• 如果你遇到X_test为一维的情况（比如仅做单样本预测），再根据场景做维度调整：单样本预测使用X_test.reshape(1, -1)，单特征多样本预测使用X_test.reshape(-1, 1)

内容的提问来源于stack exchange，提问作者Randy Chng