使用train_test_split拆分的向量数据训练LinearRegression报TypeError如何解决

报错原因 #

你当前的X是每元素为向量的Series结构，scikit-learn的线性回归模型要求输入特征为二维数值数组，每个位置必须是单个数值，不能是列表/向量结构，因此触发了类型转换错误。

方案1：将每个向量取平均值转换为单值标量（你提到的需求） #

直接对每行的向量计算均值即可，实现代码如下：

import numpy as np

# 对每行向量计算平均值，转换为单值特征
X = df['vectors'].apply(lambda x: np.mean(x)).values.reshape(-1, 1)

处理后X的形状为(样本数, 1)，符合模型输入要求，每个样本对应一个均值标量。

方案2：将向量展开为多列特征（推荐，保留全量信息） #

如果向量的每个维度都是独立特征，不需要降维到标量，直接把向量列拆成二维数组即可，能最大程度保留数据信息，拟合效果通常优于取均值：

import numpy as np

# 将向量列转换为二维numpy数组，形状为(样本数, 向量维度)
X = np.array(df['vectors'].tolist())

两种方案处理完X后，再运行原有训练代码即可正常执行：

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.4, random_state=101)
lm = LinearRegression()
lm.fit(X_train, y_train)

内容的提问来源于stack exchange，提问作者user872009