单x对应多真实y值的多项式回归R²分数计算及报错排查

嘿，这个问题我之前做实验数据分析时也碰到过，咱们一步步捋清楚～

首先得明确：sklearn的r2_score(y_true, y_pred)有个硬性要求——两个输入的样本数量必须完全一致，每一个真实值都得对应一个预测值。你现在的情况是，有13个独特的x点（对应13个预测值y_pred），但每个x下有多个真实观测值y_true，加起来总共48个，两者数量不匹配，自然就抛出了样本数不一致的错误。

完全没问题！单个x对应多个y是非常常见的场景（比如同一实验参数下做了多次重复测量，得到多个数据点），这种情况下做多项式回归是完全合理的，只是计算R²的方式不能直接用默认的方法，得做一点调整。

下面给你两种可行的方案，附代码示例，你可以根据自己的需求选：

方法1：先对每个x的真实值求均值，再算R² #

这种方法适合你想评估模型对「x对应的真实均值」的拟合效果，毕竟同一x下的多个y可能是带噪声的重复测量，均值更能代表真实趋势。

import numpy as np
from sklearn.metrics import r2_score

# 模拟你的数据结构（替换成你自己的数据即可）
x = np.array([1,1,1,2,2,3,3,3,3])  # 9个真实值，3个独特x
y_true = np.array([5,6,7,8,9,10,11,12,13])
y_pred = np.array([6,8.5,11.5])  # 3个独特x对应的预测值

# 步骤1：按x分组，计算每个x对应的y_true均值
unique_x, indices = np.unique(x, return_inverse=True)
y_true_mean = np.bincount(indices, weights=y_true) / np.bincount(indices)

# 步骤2：计算R²
r2_mean = r2_score(y_true_mean, y_pred)
print(f"基于均值的R²分数：{r2_mean:.4f}")

方法2：把预测值重复到和真实值同长度，再算R² #

如果你想评估模型对所有原始数据点的整体拟合程度（包括重复测量的噪声），可以把每个x对应的预测值重复，和该x下的所有真实值一一对应，这样两者数量就一致了。

# 沿用上面的变量
# 步骤1：扩展y_pred到和y_true相同长度
y_pred_expanded = y_pred[indices]

# 步骤2：计算R²
r2_full = r2_score(y_true, y_pred_expanded)
print(f"基于全数据点的R²分数：{r2_full:.4f}")

• 要是你更关注模型对趋势的拟合准确度（比如实验的真实效应），选方法1；
• 要是你想衡量模型对所有观测数据的适配程度（包括随机噪声），选方法2。

内容的提问来源于stack exchange，提问作者doyz