sklearn LinearRegression拟合数据时报Expected 2D array错误如何解决

• scikit-learn的所有模型fit方法要求输入的特征矩阵X为二维数组，格式为(样本数量, 特征数量)。你当前使用的X是仅包含日期特征的一维序列，格式为(样本数量,)，不符合输入要求，因此触发维度报错。
• 额外的预处理逻辑错误：LabelEncoder是用于分类标签编码的工具，不可用于编码开盘价、最高价、最低价、成交量这类连续数值特征，错误编码会导致后续模型训练结果完全无意义。

1. 首先修正特征维度问题，选择以下任意一种方式修改即可：
   • 构造X时直接转成二维数组：

   import numpy as np
   # 单特征用reshape(-1,1)，-1会自动匹配样本总数
   X = date.reshape(-1, 1)
   

   • 拆分训练测试集后分别调整维度：

   x_train = np.array(x_train).reshape(-1, 1)
   x_test = np.array(x_test).reshape(-1, 1)
   

2. 修正预处理逻辑，连续数值特征不需要用LabelEncoder编码，直接取原始数值即可，如果需要做特征缩放请使用StandardScaler或MinMaxScaler，示例如下：

# 仅对日期分类特征做LabelEncoder编码
le = sklearn.preprocessing.LabelEncoder()
date = le.fit_transform(list(data["Date"])).reshape(-1, 1)
X = date
# 标签y直接取原始连续数值
y = data[["High", "Low", "Open", "Adj Close", "Volume"]].values

x_train, x_test, y_train, y_test = sklearn.model_selection.train_test_split(X, y, test_size=0.1)

修改完成后再执行模型训练代码即可正常运行。

内容的提问来源于stack exchange，提问作者Rashaad