ValueError：形状（993,228）和（1,228）未对齐：228（dim 1）！= 1（dim 0）

Question

我在 python 中创建了一个 OLS 线性回归模型，当我预测一个特定的值时，我得到了错误。

我的代码如下：

df=pd.read_csv("smatrix.csv",index_col=0)
import statsmodels.api as sm

x=df.iloc[:,:-1]
y=df.Rating

est = sm.OLS(y.astype(float), x.astype(float))
results=est.fit()

op=list()
for i in df.columns:
    if 'bad' == i:
        op.append(1)
    else:
        op.append(0)
op=op[:-1]
X5=np.array(op).reshape(1,-1)
y1=est.predict(X5)

我得到的错误是

ValueError: shapes (993,228) and (1,228) not aligned: 228 (dim 1) != 1 (dim 0)

X5 的形状是 (1, 228)

x 的形状是 (993, 228)

y的形状是(993,)

Answer 1

est.predict() 期望第一个参数是 params (more here)，但您传递的 X[5] 形状为 1, 128。当模型尝试将 X 与 params 相乘时抛出错误消息（在此案例 X[5])。

X -> (993, 128)
params -> (1, 128)

这两个矩阵(X, params) 不能相乘，因为 X(128) 的列与 params(1) 的行不对齐。

解决方案

使用通过 fit 方法学习到的参数。

y1=est.predict(results.params, X5)