python做线性回归中出错type error_关于python：在SciKit线性回归上获取’ValueError：形状未对齐’...

通常，对于使用Python的SciKit和线性代数/机器学习来说，这是相当新的，所以我似乎无法解决以下问题：

我有一个训练集和一个数据测试集，其中包含连续值和离散/分类值。 CSV文件被加载到Pandas DataFrames中，并且形状匹配，分别为(1460,81)和(1459,81)。

但是，在使用Pandas的get_dummies之后，DataFrame的形状将更改为(1460，306)和(1459，294)。 因此，当我使用SciKit线性回归模块进行线性回归时，它会为306个变量建立模型，并尝试仅使用294个变量来预测一个变量。 那么，这自然会导致以下错误：

ValueError: shapes (1459,294) and (306,1) not aligned: 294 (dim 1) != 306 (dim 0)

我该如何解决这个问题？ 我能以某种方式重塑(1459，294)以匹配另一个吗？

谢谢，我希望我已经说清楚了:)

在处理分类数据时，这是一个非常普遍的问题。关于如何最好地处理此问题，存在不同的意见。

一种可能的方法是将一个功能应用于分类特征，以限制可能的选项集。例如，如果要素包含字母，则可以对A，B，C，D和"其他/未知"要素进行编码。这样，您可以在测试时应用相同的功能并从问题中抽象出来。当然，显而易见的缺点是，通过减少功能空间，您可能会丢失有意义的信息。

另一种方法是在您的训练数据上建立模型，自然而然地创建任何假人，并将其作为模型的基准。