我编写了下面的代码来使用多项式回归。虽然能够拟合模型，但无法进行预测！

def polynomial_function(power=5, random_state=9):    global X_train    global y_train    X_train =  X_train[['item_1','item_2','item_3','item_4']]    rng = np.random.RandomState(random_state)    poly = PolynomialFeatures(degree=power, include_bias=False)    linreg = LinearRegression(normalize=True)    new_X_train = poly.fit_transform(X_train)    linreg.fit(new_X_train, y_train)    new_x_test  = np.array([4, 5, 6, 7]).reshape(1, -1)    print linreg.predict(new_x_test)    return linreglinreg = polynomial_function()

我收到了以下错误消息：

ValueError: shapes (1,4) and (125,) not aligned: 4 (dim 1) != 125 (dim 0)       

错误发生在这里，

new_x_test  = np.array([4, 5, 6, 7]).reshape(1, -1)print linreg.predict(new_x_test)

我发现 new_X_train 的形状是 (923, 125)，而 new_x_test 的形状是 (1, 4)

这有什么关系吗？

当我尝试使用形状为 (1, 4) 的数据进行预测时，算法会尝试将其转换为不同的形状吗？

它会尝试为测试数据找到一个5次多项式吗？

我正在学习多项式回归，有人能解释一下发生了什么吗？

回答：

from sklearn.pipeline import Pipelinefrom sklearn.linear_model import LinearRegressionfrom sklearn.preprocessing import PolynomialFeaturespipeline = Pipeline([    ('poly', PolynomialFeatures(degree=5, include_bias=False)),    ('linreg', LinearRegression(normalize=True))    ])pipeline.fit(X_train, y_train)pipeline.predict(np.array([4, 5, 6, 7]).reshape(1, -1))