因为X_test_lm.shape
的值为(1300, 1)
,这意味着它只有1列,而不是2作为火车数据。在训练数据上训练的beta向量期望具有2列的矩阵,这会产生误差。
您应检查create_dataset_test
的定义以了解如何达到此状态。
我正在尝试使用sklearn进行多元线性回归。
features_2 = ['chronic_disease_binary', 'outcome']
X = df.loc[:, features_2].values
Y = df.loc[:, ['age']].values
# X = pd.get_dummies(X,drop_first=True)
#
X_train_lm, X_test_lm, y_train_lm, y_test_lm = create_dataset_test(X, Y)
X_train_lm = X_train_lm.reshape((2596, -1))
lm = linear_model.LinearRegression()
model = lm.fit(X_train_lm, y_train_lm)
y_pred_lm = lm.predict(X_test_lm)
当我尝试对X_test进行tp预测时,我遇到了这个问题:
[ValueError:matmul:输入操作数1的核心尺寸0不匹配,带有gufunc签名(n?,k),(k,m?)->(n?,m?)(大小2与1不同) )
[[-0.77046461 1.29791815]
[-0.77046461 -0.77046461]
[-0.77046461 1.29791815]
...
[-0.77046461 -0.77046461]
[-0.77046461 1.29791815]
[-0.77046461 -0.77046461]]
[[59.]
[54.]
[40.]
...
[24.]
[33.]
[41.]]
[[-0.76666002]
[ 1.30435914]
[-0.76666002]
...
[-0.76666002]
[-0.76666002]
[-0.76666002]]
尺寸不匹配。
您具有不兼容的尺寸,因为 如果您的X_test_lm
具有N(行数)个样本但是这次,与X_train
的形状相比,只有1(列数)个特征/变量。X_train
为:
[[-0.77046461 1.29791815] [-0.77046461 -0.77046461] [-0.77046461 1.29791815] ... [-0.77046461 -0.77046461] [-0.77046461 1.29791815] [-0.77046461 -0.77046461]]
因此,对具有2个(列数)特征/变量的N个(行数)样本进行模型训练。
然后,当您要求预测以下内容时:
[[-0.76666002] [ 1.30435914] [-0.76666002] ... [-0.76666002] [-0.76666002] [-0.76666002]]
您的维数不兼容,因为
X_test_lm
再次具有N(行数)个样本但是这次只有1(列数)个特征/变量。
但是,模型的predict
函数期望输入形状为[N,2]的数组,您将得到:
ValueError:matmul:输入操作数1的核心不匹配尺寸0,带有gufunc签名(n?,k),(k,m?)->(n?,m?)(尺寸2为不同于1)
[正如您说的,
[N,1]的X_test_lm.shape
为(1300,1),因此该模型试图预测仅具有一个特征(1)的这1300个样本的值。这就是触发错误的原因。该模型正在使用形状为[N,2] notX_train
进行训练。
因为X_test_lm.shape
的值为(1300, 1)
,这意味着它只有1列,而不是2作为火车数据。在训练数据上训练的beta向量期望具有2列的矩阵,这会产生误差。
您应检查create_dataset_test
的定义以了解如何达到此状态。
因为X_test_lm.shape
的值为(1300, 1)
,这意味着它只有1列,而不是2作为火车数据。在训练数据上训练的beta向量期望具有2列的矩阵,这会产生误差。
您应检查create_dataset_test
的定义以了解如何达到此状态。