我正在尝试使用包含157673条记录的数据集，通过线性回归来创建一个预测模型。

数据（在csv文件中）的格式如下：

Timestamp,Signal_1,Signal_2,Signal_3,Signal_4,Signal_52021-04-13 11:03:13+02:00,3,3,3,12,12

我当前的代码如下：

filename = 'test.csv'df = pd.read_csv(filename , parse_dates=['Timestamp'], header=0)df['Timestamp'] = pd.to_numeric(pd.to_datetime(df['Timestamp']))u, v, w, x, y, z = df.values.TX = np.asarray([v, w, x, y, z])Y = np.asarray([u, u, u, u, u])X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=0.33, shuffle= True)lineReg = LinearRegression()lineReg.fit(X_train, y_train)print('Score: ', lineReg.score(X_test, y_test))print('Weights: ', lineReg.coef_)

当打印X和Y的形状时，结果是(5, 157673)

然而，现在我遇到了错误MemoryError: Unable to allocate 185. GiB for an array with shape (157673, 157673) and data type float64。

这是为什么呢？一定是哪里出了错，如果不是，为什么突然变成了形状(157673, 157673)而不是(6, 157673)？

回答：

我认为你的数据维度应该是(157673, 5)而不是(5, 157673)。因此，协方差矩阵将是一个5×5的矩阵。

通常，在机器学习中，观测值是放在行里的。