拟合Linear Regression模型时出现Value Error问题求助

嘿，我看你在搭建美元兑印度卢比的汇率预测模型时，卡在了LinearRegression拟合的ValueError上，咱们一起来捋清楚问题出在哪，然后一步步解决它。

先看你给出的代码片段，里面有几个很容易踩坑的点，我帮你拆解并修正：

1. 补全并修正日期转换代码 #

你写到dates = pd.to_...就中断了，这一步是日期转序数的核心环节，很可能是这里处理不当导致后续出错。正确的流程应该是先把日期字符串转成datetime对象，再转换为序数：

import pandas as pd
from sklearn.linear_model import LinearRegression
import matplotlib.pyplot as plt
import datetime as dt

# 读取数据
data = pd.read_csv("FED-RXI_N_M_IN.csv")
# 直接从原DataFrame取列重命名，比手动转字典更简洁
df = data[['Date', 'Value']].rename(columns={'Date':'date', 'Value':'rate'})

# 核心：日期转datetime再转序数（必须指定格式，避免自动解析出错）
# 替换成你CSV里的实际日期格式，比如'%m/%d/%Y'或者'%Y-%m-%d'
df['date'] = pd.to_datetime(df['date'], format='%Y-%m-%d')
df['date_ordinal'] = df['date'].map(dt.datetime.toordinal)

2. 解决特征维度不匹配问题 #

这是LinearRegression拟合时最常见的ValueError诱因：sklearn要求输入的特征矩阵是二维数组，如果直接传入一维的序数列，就会触发报错。你需要把特征转换成(样本数, 特征数)的二维格式：

# 准备特征X和目标变量y
X = df['date_ordinal'].values.reshape(-1, 1)  # 转换成二维数组
y = df['rate'].values

# 初始化并拟合模型
model = LinearRegression()
model.fit(X, y)

3. 检查并处理数据缺失值 #

如果原始数据里存在缺失的日期或汇率值，也会引发ValueError。拟合前一定要先检查并处理：

# 查看缺失值统计
print("缺失值情况：")
print(df.isnull().sum())

# 处理方式二选一：
# 方式1：删除包含缺失值的行
df = df.dropna(subset=['date', 'rate'])
# 方式2：用均值填充汇率（如果缺失的是汇率字段）
# df['rate'] = df['rate'].fillna(df['rate'].mean())

常见ValueError场景对应解决 #

• ValueError: Expected 2D array, got 1D array instead：特征维度问题，用reshape(-1,1)把一维数组转成二维即可。
• ValueError: Input contains NaN, infinity or a value too large for dtype('float64')：数据存在缺失值或异常值，用上面的缺失值处理方案解决。
• ValueError: time data 'xxx' does not match format '%Y-%m-%d'：日期格式与指定格式不匹配，调整pd.to_datetime的format参数即可。

按照上面的步骤调整后，应该就能顺利拟合LinearRegression模型了。

内容的提问来源于stack exchange，提问作者Ashutosh Agrahari