ValueError:x和y必须是相同的大小

Question

我有一个数据集，我试图用sklearn来计算线性回归。 我使用的数据集已经制作好了，所以应该不会有问题。 我使用了train\u test\u split，以便将数据拆分为train和test组。 当我尝试使用matplotlib在ttest和prediction组之间创建散点图时，出现下一个错误：

ValueError: x and y must be the same size

这是我的密码：

y=data['Yearly Amount Spent']
x=data[['Avg. Session Length','Time on App','Time on Website','Length of Membership','Yearly Amount Spent']]
from sklearn.model_selection import train_test_split
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.3, random_state=101)

#training the model

from sklearn.linear_model import LinearRegression
lm=LinearRegression()
lm.fit(x_train,y_train)
lm.coef_

predictions=lm.predict(X_test)

#here the problem starts:

plt.scatter(y_test,predictions)

为什么会出现这种错误？ 我在这里看到过以前的帖子，建议使用x.shape和y.shape，但我不确定这样做的目的是什么。你知道吗

谢谢

Answer 1

似乎您正在使用EcommerceCustomers.csv数据集（link here）

在您最初的帖子中，'Yearly Amount Spent'列也包含在y和x中，但这是错误的。你知道吗

以下操作应该可以正常工作：

from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split

data = pd.read_csv("EcommerceCustomers.csv")

y = data['Yearly Amount Spent']
X = data[['Avg. Session Length', 'Time on App','Time on Website', 'Length of Membership']]

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=101)


# ## Training the Model
lm = LinearRegression()
lm.fit(X_train,y_train)

# The coefficients
print('Coefficients: \n', lm.coef_)

# ## Predicting Test Data
predictions = lm.predict( X_test)

另见this