如何处理多元线性回归中的误差维数？

Question

我正在尝试用sklearn做多元线性回归

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)

我在尝试对X_测试进行预测时遇到了这个问题：

ValueError: matmul: Input operand 1 has a mismatch in its core dimension 0, with gufunc signature (n?,k),(k,m?)->(n?,m?) (size 2 is different from 1)

• 我的X_列车有以下表格：

[[-0.77046461  1.29791815]
 [-0.77046461 -0.77046461]
 [-0.77046461  1.29791815]
 ...
 [-0.77046461 -0.77046461]
 [-0.77046461  1.29791815]
 [-0.77046461 -0.77046461]]

• 我的火车是这样的：

[[59.]
 [54.]
 [40.]
 ...
 [24.]
 [33.]
 [41.]]

• 我做出预测的数据如下表所示：

[[-0.76666002]
 [ 1.30435914]
 [-0.76666002]
 ...
 [-0.76666002]
 [-0.76666002]
 [-0.76666002]]

Answer 1

维度不匹配。

您的维度不兼容，因为与X_train的形状相比X_test_lm有N个（行数）样本，但只有1个（列数）特征/变量。

---

详情：

您有一个X_train作为：

[[-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，该模型在N个（行数）样本上进行训练，其中包含2个（列数）特征/变量。

然后，当你要求预测

[[-0.76666002]
 [ 1.30435914]
 [-0.76666002]
 ...
 [-0.76666002]
 [-0.76666002]
 [-0.76666002]]

您有不兼容的维度，因为X_test_lm再次有N个（行数）样本，但这次只有1个（列数）特征/变量。

但是，模型的predict函数要求输入一个具有[N，2]形状的数组，您可以得到：

ValueError: matmul: Input operand 1 has a mismatch in its core dimension 0, with gufunc signature (n?,k),(k,m?)->(n?,m?) (size 2 is different from 1)

正如您所说，X_test_lm.shape是（1300，1），因此该模型试图预测只有一个特征（1）的这1300个样本的值。这就是引发错误的原因。该模型使用形状为[N，2]而非[N，1]的X_train进行训练

---

Answer 2

由于X_test_lm.shape的值为(1300, 1)，这意味着它只有1列，而不是2列作为列车数据。在经过训练的数据上训练的beta向量需要一个包含2列的矩阵，这就给出了错误

您应该检查create_dataset_test的定义，看看您是如何达到这种状态的