Python 2.7/Scikit 学习 0.17 线性回归错误：ValueError：发现样本数量不一致的数组：[1 343]

Posted 2023-03-11

【中文标题】Python 2.7/Scikit 学习 0.17 线性回归错误：ValueError：发现样本数量不一致的数组：[1 343]

【英文标题】：Python 2.7/ Scikit learn 0.17 Linear Regression error: ValueError: Found arrays with inconsistent numbers of samples: [ 1 343]

【发布时间】：2016-05-28 20:48:16

【问题描述】：

我正在阅读 csv 并尝试基于 df['LSTAT'] (x/variable) vs. 建立一个线性回归模型。 df['MEDV']（y/目标）。但是，在模型拟合阶段不断弹出错误消息“ValueError：找到样本数量不一致的数组：[1 343]”。

我对数据进行了整形/重新整形（不确定我是否做得正确）或将 pd.DataFrame 转换为 numpy 数组和列表。它们都不起作用。看完这篇文章我还是不太明白这个问题：sklearn: Found arrays with inconsistent numbers of samples when calling LinearRegression.fit()。脚本和错误消息如下。

任何大师都可以提供一些详细解释的解决方案吗？谢谢！

import scipy.stats as stats
import pylab 
import numpy as np
import matplotlib.pyplot as plt
import pylab as pl
import sklearn
from sklearn.cross_validation import train_test_split
from sklearn import datasets, linear_model
from sklearn.linear_model import LinearRegression


df=pd.read_csv("input.csv")


X_train1, X_test1, y_train1, y_test1 = train_test_split(df['LSTAT'],df['MEDV'],test_size=0.3,random_state=1)

lin=LinearRegression()

################## This line: " lin_train=lin.fit(X_train1,y_train1)" causes the trouble. 

lin_train=lin.fit(X_train1,y_train1)

################## The followings are just the plotting lines after fitting the Linear regression

# The coefficients
print('Coefficients: \n', lin.coef_)
# The mean square error
print("Residual sum of squares: %.2f"
      % np.mean((lin.predict(X_test1) - y_test1) ** 2))
# Explained variance score: 1 is perfect prediction
print('Variance score: %.2f' % lin.score(X_test1, y_test1))

# Plot outputs
plt.scatter(X_test1, y_test1,  color='black')
plt.plot(X_test1, lin.predict(X_test1), color='blue',linewidth=3)

plt.xticks(())
plt.yticks(())

plt.show()

这是警告和错误信息：

Warning (from warnings module):
  File "C:\Python27\Lib\site-packages\sklearn\utils\validation.py", line 386
    DeprecationWarning)
DeprecationWarning: Passing 1d arrays as data is deprecated in 0.17 and willraise ValueError in 0.19. Reshape your data either using X.reshape(-1, 1) if your data has a single feature or X.reshape(1, -1) if it contains a single sample.

Traceback (most recent call last):
  File "C:/Users/Pin-Chih/Google Drive/Real_estate_projects/test.py", line 36, in <module>
    lin_train=lin.fit(X_train1,y_train1)
  File "C:\Python27\Lib\site-packages\sklearn\linear_model\base.py", line 427, in fit
    y_numeric=True, multi_output=True)
  File "C:\Python27\Lib\site-packages\sklearn\utils\validation.py", line 520, in check_X_y
    check_consistent_length(X, y)
  File "C:\Python27\Lib\site-packages\sklearn\utils\validation.py", line 176, in check_consistent_length
    "%s" % str(uniques))
ValueError: Found arrays with inconsistent numbers of samples: [  1 343]>>> 

如果我打印出“x_train1”：

X_train1:  
61     26.82
294    12.86
39     29.29
458     4.85
412     8.05
Name: LSTAT, dtype: float64

如果我打印出“y_train1”：

y_train1:  
61     13.4
294    22.5
39     11.8
458    35.1
412    29.0
Name: MEDV, dtype: float64

【参考方案1】：

当然不是大师，但我过去也遇到过类似的问题，因为模型期望 X 参数至少有 2 个维度，即使第二个维度是 1。我会尝试的第一件事是替换

lin_train=lin.fit(X_train1,y_train1)

与

lin_train=lin.fit(X_train1.reshape(X_train1.shape[0], 1), y_train1)

它应该为您提供形状为 (343, 1) 而不仅仅是 343 的数据。

【讨论】：

感谢 mi_dominic 大师！但是我不太明白（343,1）中“1”的含义。它只是一个虚拟变量/值？此外，如果我们查看此处的 scikit 学习示例：scikit-learn.org/stable/auto_examples/linear_model/…“打印糖尿病_X_train”只会给我们 [0.05415152] [-0.00836158] 等，这是一维的。所以我猜这个模型可以取一维数据？如果我错了，请告诉我。谢谢！

我认为它是一个 343 x 1 维数组，而不仅仅是一系列 343 个元素，但你是对的；应该是一样的。文档说 X 应该是格式为 [n_samples, n_features] 的数组，y 应该是 [n_samples, n_targets]，但似乎如果未指定，它将假定 1 表示 y 的 n_targets，但会强制您为十。

问题解决了！感谢您的回答！但我不得不说，Scikit 学习手册不是很清楚，有点难以理解。 Statsmodel 和示例更加清晰！