维度问题线性回归 Python scikit 学习

Question

我正在实现一个函数，其中我必须使用 scikit learn 执行线性回归。

通过示例运行它时我所拥有的：

X_train.shape=(34,3)
X_test.shape=(12,3)
Y_train.shape=(34,1)
Y_test.shape=(12,1)

然后

lm.fit(X_train,Y_train)
Y_pred = lm.predict(X_test)

但是 Python 告诉我这一行有一个错误

 dico['R2 value']=lm.score(Y_test, Y_pred)

Python 告诉我什么：

 ValueError: shapes (12,1) and (3,1) not aligned: 1 (dim 1) != 3 (dim 0)

提前感谢任何人都可以带给我的帮助:)

亚历克斯

Answer 1

要使用lm.score()，您需要传递X_test、y_test。

dico['R2 value']=lm.score(X_test, Y_test)

见documentation here：

score(X, y, sample_weight=None)

X : array-like, shape = (n_samples, n_features) Test samples. 
    For some estimators this may be a precomputed kernel matrix instead, 
    shape = (n_samples, n_samples_fitted], where n_samples_fitted is the 
    number of samples used in the fitting for the estimator.

y : array-like, shape = (n_samples) or (n_samples, n_outputs) True values for X.

sample_weight : array-like, shape = [n_samples], optional Sample weights.

您试图将 score 方法用作度量方法，这是错误的。任何估计器上的score() 方法本身都会计算预测，然后将它们发送给适当的度量计分器。

如果你想自己使用Y_test和Y_pred，那么你可以这样做：

from sklearn.metrics import r2_score
dico['R2 value'] = r2_score(Y_test, Y_pred)