通过具有多个分类特征的线性回归模型预测单个数据答案

【问题标题】：single data to predict via linear regression model with more than one categorical feature通过具有多个分类特征的线性回归模型预测单个数据
【发布时间】：2019-04-06 14:09:16
【问题描述】：

我建立了一个线性回归模型来预测产品的销量，就我而言，我有 5 个特征，其中 4 个是分类的。

MONTH REGION INTERVENANT CONFIG WEIGHT SALES_NB

我用过 OneHotEncoder

from sklearn.preprocessing import OneHotEncoder
onehotencoder = OneHotEncoder(categorical_features = [0,1,2,3])
X = onehotencoder.fit_transform(X).toarray()
X = X [:, 1:]

（如果我错了，请纠正我）

我想知道如何格式化我的数据以将其传递给 predict()。其实如果我通过了：

Xnew = np.array([[2,2,14895,614,0.1]])
ynew = regressor.predict(Xnew)

我收到了这个错误：

ValueError：形状 (1,4) 和 (428,) 未对齐：4 (dim 1) != 428 (dim 0)

【问题讨论】：

标签： python scikit-learn prediction

【解决方案1】：

在将新样本传递给预测器之前，尝试使用 onehotencoder 对其进行编码：

Xnew = np.array([[2,2,14895,614,0.1]])
Xnew_encoded = onehotencoder.transform(Xnew)
ynew = regressor.predict(Xnew_encoded)

【讨论】：

您好@σηγ 感谢您的回复我收到一条新的错误消息ValueError: dimension mismatch
您好，我发现了我在问题 X = X [:, 1:] 中没有提到这一行的问题，当我删除这一行时，您的代码工作得很好。