我是一个机器学习的新手，对这个错误感到有些困惑：
形状 (1,4) 和 (14,14) 不对齐：4 (维度1) != 14 (维度0)
这是完整的错误信息：
文件 “/Users/jim/anaconda3/lib/python3.6/site-packages/sklearn/utils/extmath.py”, 第140行，safe_sparse_dot函数中返回 np.dot(a, b)
数值错误：形状 (1,4) 和 (14,14) 不对齐：4 (维度1) != 14 (维度0)
我的测试集有4行数据，训练集有14行数据，正如(1,4)和(14,14)所示。至少我认为是这个意思。
我试图对训练集进行简单的线性回归拟合，如下面的代码所示：
# 对训练集进行简单线性回归拟合from sklearn.linear_model import LinearRegressionregressor = LinearRegression()X_train = X_train.reshape(1,-1)y_train = y_train.reshape(1,-1)regressor.fit(X_train, y_train)然后预测测试集结果：
# 预测测试集结果X_test = X_test.reshape(1,-1)y_pred = regressor.predict(X_test)我的代码在最后一行出现了上述错误：
y_pred = regressor.predict(X_test)任何正确的指导都会非常有帮助。
这是我的完整代码样本：
# 简单线性回归# 导入库import numpy as npimport matplotlib.pyplot as pltimport pandas as pd# 导入数据集dataset = pd.read_csv('NBA.csv')X = dataset.iloc[:, 1].valuesy = dataset.iloc[:, :-1].values# 将数据集拆分为训练集和测试集from sklearn.cross_validation import train_test_splitX_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.2, random_state = 0)# 特征缩放# 无# 对训练集进行简单线性回归拟合from sklearn.linear_model import LinearRegressionregressor = LinearRegression()X_train = X_train.reshape(1,-1)y_train = y_train.reshape(1,-1)regressor.fit(X_train, y_train)# 预测测试集结果X_test = X_test.reshape(1,-1)y_pred = regressor.predict(X_test)** 编辑 **我检查了X和y的形状。以下是我的输出：
dataset = pd.read_csv('NBA.csv')X = dataset.iloc[:, 1].valuesy = dataset.iloc[:, :-1].valuesprint(X.shape)print(y.shape)-->(18,)-->(18, 1)回答：
请将所有reshape(1,-1)替换为reshape(-1, 1)。前者将数组转换为(1人 x n特征)，后者转换为(n人 x 1特征)。在本例中，特征是身高。
如果您将导入部分修改为如下所示，则无需重新调整数组的形状，因为它们的形状已经符合(n人 x 1特征)的形式。
# 导入数据集dataset = pd.read_csv('NBA.csv')X = dataset.iloc[:, 1].valuesy = dataset.iloc[:, 0].valuesX = X.reshape(-1, 1)y = y.reshape(-1, 1)在sklearn的早期版本中，您可以将向量作为输入。但最近已有变化，现在您需要明确指出向量是(1样本 x n特征)还是(n样本 x 1特征)，可以通过使用reshape或其他方法来实现。
