解决accuracy_score报错：输入变量样本数不一致[365,1]

嘿，这个错误的根源很清晰——你混淆了测试集整体预测和单个样本预测的场景，导致传给accuracy_score的两个参数样本数完全不匹配：

问题出在哪？ #

你执行predictions = model.predict([[4.2,40,40,120,4.5,2.3]])时，只对1个自定义样本做了预测，所以predictions只有1个元素；但y_test是train_test_split拆分出的测试集真实标签，有365个样本。accuracy_score要求两个输入的样本数量必须完全一致，自然就抛出了Found input variables with inconsistent numbers of samples的错误。

修复方案 #

把测试集准确率计算和单个样本预测拆成两个独立的步骤：

1. 正确计算模型在测试集上的准确率

用模型对整个测试集X_test做预测，再和y_test对比计算准确率：

# 预测整个测试集的结果
test_predictions = model.predict(X_test)
# 计算测试集准确率
score = accuracy_score(y_test, test_predictions)
print(f"模型在测试集上的准确率: {score}")

2. 单独处理单个样本的预测

如果只是想验证某个自定义样本的预测结果，直接输出即可，不需要和y_test关联：

# 单个样本的特征数据
single_sample = [[4.2,40,40,120,4.5,2.3]]
# 预测该样本的Pick值
single_prediction = model.predict(single_sample)
print(f"这个样本的预测Pick值是: {single_prediction[0]}")

这样就能彻底解决样本数量不匹配的问题啦～

内容的提问来源于stack exchange，提问作者Allen Rahrooh