sklearn多特征训练SVR报样本数不一致[192,48]错误如何解决

报错的核心原因是你对多特征的训练输入做了错误的维度变换：

• 你的X_train从48行训练集中取出了4个特征，原始维度是(48, 4)，总元素数为48*4=192
• 调用X_train.reshape(-1,1)后，所有元素被平铺成了形状为(192, 1)的数组，相当于强行生成了192个样本
• 但你的y_train只有48个标注样本，二者样本数不一致直接触发报错

你之前单特征训练时reshape(-1,1)是正确操作，因为单特征取出后维度是(48,)，需要转成sklearn要求的(样本数, 特征数)二维结构，但多特征场景下不需要这个操作。

直接修改fit调用代码，删除多余的reshape操作即可：

# 修改前
svr_rbf.fit(X_train.reshape(-1,1),y_train.ravel()) 
# 修改后
svr_rbf.fit(X_train, y_train.ravel())

当前你做的是时间序列预测，普通GridSearchCV默认使用的随机K折交叉验证会打乱时间顺序，存在未来数据泄露的问题，建议替换为时间序列专用的交叉验证方式：

from sklearn.model_selection import TimeSeriesSplit
# 初始化GridSearchCV时指定cv参数
svr_rbf = GridSearchCV(SVR(epsilon = 0.01), parameter, cv = TimeSeriesSplit(n_splits=10), scoring=scorer)

内容的提问来源于stack exchange，提问作者Lafic Prayana