我想使用以下数据训练我的回归模型，并使用sklearn来预测其他参数给定的收入：

但是在我尝试拟合模型时遇到了一些问题。

from sklearn import linear_modelmodel = linear_model.LinearRegression()train_x = np.array([    [['Tom','Adam'], '005', 50],    [['Tom'], '001', 100],    [['Tom', 'Adam', 'Alex'], '001', 150]])train_y = np.array([    50,    80,    90])model.fit(train_x,train_y)>>> ValueError: setting an array element with a sequence.

我做了一些搜索，发现问题在于train_x中所有数组（员工ID）的元素数量不一致。我认为可能需要向某些数组中添加额外的元素以保持长度一致。但我不知道具体该如何操作。这是否称为“向量化”？

回答：

机器学习模型无法接受这样的列表作为输入。模型会将您的列表视为字符列表的列表（因为您的列表包含字符串，每个字符串是一系列字符），可能无法学习任何东西。
通常，处理时间序列数据的模型使用数组作为输入，例如在NLP中，每条记录是一个包含待处理词列表的时间戳。

与其像您建议的那样填充数组使其大小一致，您应该将列表“展开”成不同的列。
创建三个额外的列——每个员工姓名一列：Tom、Adam和Alex。如果姓名出现在列表中，则单元格的值为1，否则为0。

所以您的表格应该如下所示：

-------------------------------------------------------------------staff_Tom | staff_Adam | staff_Alex | Manager_id | Budget | Revenue-------------------------------------------------------------------     1    |      1     |      0     |      5     |   50   |    50  |     1    |      0     |      0     |      1     |  100   |    80  |     1    |      1     |      1     |      1     |  150   |    90  |....     1    |      0     |      1     |      1     |   75   |    ?  |

您的模型将更容易识别每个员工，并会更快地收敛到一个解决方案。