Python实现自定义梯度下降回归器触发ValueError如何解决

• 核心是维度不匹配：你提取标签时使用了双中括号y = df[["Outcome"]]，得到的是形状为(样本总数, 1)的二维DataFrame；而计算得到的y_hat是np.dot(x_train, self.coef_)输出的形状为(537,)的一维数组，二者做减法运算时pandas无法对齐维度，触发强制转换报错。
• 补充说明：sklearn官方的LinearRegression内部做了维度适配，所以调用官方类训练不会触发错误，自定义类没有做兼容处理才会出现该问题。

两种方案任选其一即可：

1. 调整标签提取方式，直接输出一维Series：
   将代码中y = df[["Outcome"]]替换为y = df["Outcome"]，单中括号提取单列会得到一维结构，和y_hat的维度完全匹配。
2. 在自定义GDRegressor类的fit方法中对输入标签做降维处理：
   在fit函数开头新增一行代码，把二维结构的y_train拉平为一维数组：

def fit(self, x_train, y_train):
    # 新增下行，把DataFrame格式的y_train转成一维numpy数组
    y_train = y_train.values.ravel()
    self.intercept_ = 0
    self.coef_ = np.ones(x_train.shape[1])
    # 剩余原有代码保持不变

梯度下降对特征尺度非常敏感，建议在拆分数据集后对特征做标准化处理再训练，避免因特征尺度过大导致模型不收敛：

scaler = StandardScaler()
x_train = scaler.fit_transform(x_train)
x_test = scaler.transform(x_test)

内容的提问来源于stack exchange，提问作者Prabhupada Jena