多元线性回归和选择列错误

Question

我的问题是当我尝试拟合模型时出现此错误。我不知道是什么导致了这个错误，但可能自变量的选择不正确。 这是错误

ValueError: Found input variables with inconsistent numbers of samples: [104, 26]

这是我目前构建的代码

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from scipy import stats

# Import Excel File
data = pd.read_excel("C:\\Users\\AchourAh\\Desktop\\Multiple_Linear_Regression\\SP Level Reasons Excels\\SP00105485_PL22_AAB_05_09_2018_Reasons.xlsx",'Sheet1') #Import Excel file

# Replace null values of the whole dataset with 0
data1 = data.fillna(0)
print(data1)

# Extraction of the independent and dependent variable
X = data1.iloc[0:len(data1),[0,1,2,3]].values.reshape(-1, 1) #Extract the column of the COPCOR SP we are going to check its impact
Y = data1.iloc[0:len(data1),4].values.reshape(-1, 1) #Extract the column of the PAUS SP
print(X)
print(Y)

# Importing
from sklearn.linear_model import LinearRegression
from sklearn import model_selection

# Fitting a Linear Model
lm = LinearRegression() #create an lm object of LinearRegression Class
lm.fit(X, Y)
plt.scatter(X, Y, color = 'red')#plots scatter graph of COP COR against PAUS for values in X_train and y_train
plt.plot(X, lm.predict(X), color = 'blue')#plots the graph of predicted PAUS against COP COR.
plt.title('SP000905974')
plt.xlabel('COP COR Quantity')
plt.ylabel('PAUS Quantity')
plt.show()#Show the graph

我的 excel 文件的第一列包含自变量，第四列包含因变量。我有另一个简单线性回归的代码可以正常工作，但是当我尝试应用多元线性回归时，我只是更改了这条线，但我没有做错什么。

  X = data1.iloc[0:len(data1),[0,1,2,3]].values.reshape(-1, 1)

请注意，我是这方面的初学者。

Answer 1

你的问题确实是 X 的重塑。

例子：

pd.DataFrame([[1,2],[3,4],[5,6]], columns = ["a", "b"]).values

是一个 numpy 数组，看起来像

array([[1, 2],
       [3, 4],
       [5, 6]], dtype=int64)

同时

pd.DataFrame([[1,2],[3,4],[5,6]], columns = ["a", "b"]).values.reshape(-1,1)

将您的行数翻倍（因为将两列重整为一列）

array([[1],
       [2],
       [3],
       [4],
       [5],
       [6]], dtype=int64)

因此，在您的情况下，将四列重新整形为一列后，X 中的行数是 Y 中的四倍，而 lm.fit(X, Y) 需要您在 X 和 Y 中具有相同数量的行。