计算多项式回归预测值时出错

Question

我尝试使用以下代码在Python中运行多项式回归后计算预测值：

np.random.seed(0)
n = 15
x = np.linspace(0,10,n) + np.random.randn(n)/5
y = np.sin(x) + x/6 + np.random.randn(n)/10

X_train, X_test, y_train, y_test = train_test_split(x, y, random_state=0)

X = X_train.reshape(-1, 1)
X_predict = np.linspace(0, 10, 100)

poly = PolynomialFeatures(degree=2)
X_train_poly = poly.fit_transform(X)

model = LinearRegression()
reg_poly = model.fit(X_train_poly, y_train)
y_predict = model.predict(X_predict)

运行后，我得到以下错误：

ValueError: Expected 2D array, got 1D array instead:
array=[ 0.          0.1010101   0.2020202   0.3030303   0.4040404   0.50505051  ......
Reshape your data either using array.reshape(-1, 1) 
if your data has a single feature or array.reshape(1, -1) if it contains a single sample.

我尝试按照错误消息中所述重新调整数组的形状，因此最后一行代码是：

y_predict = model.predict(X_predict.reshape(-1,1))

但结果我犯了一个错误：

ValueError: shapes (100,1) and (3,) not aligned: 1 (dim 1) != 3 (dim 0)

有人能解释一下我做错了什么吗？你知道吗

Answer 1

您忘记了为预测准备数据，就像为模型准备训练数据一样。尤其是，你忘了用多项式特征来拟合你的X变换。你知道吗

由于用于预测的数据形状必须与用于训练的形状完全匹配，因此需要为X\u train\u poly（用于训练的）重新创建所做的一切。因此，您的线条应该如下所示：

y_predict = model.predict(poly.fit_transform(X_predict.reshape(-1, 1)))