Sklearn.linear_model import LinearRegression 不适用于数据系列，但适用于数据帧。为什么？

Question

我使用了以下代码块，但出现回溯错误；

代码（在下面的代码中，X_train 和 y_train 是数据系列（单列数据））：

from sklearn.linear_model import LinearRegression
regressor = LinearRegression(fit_intercept=True)
regressor.fit(X_train, y_train)

Error:
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-167-3392c2ad36e2> in <module>
      2 from sklearn.linear_model import LinearRegression
      3 regressor = LinearRegression(fit_intercept=True)#Instantiating an object of the LinearRegression class.#"fit_intercept = True" is asking the linear regressor to assume that there is a y-intercept.
----> 4 regressor.fit(X_train, y_train) #Passing in our training data

~\Anaconda3\lib\site-packages\sklearn\linear_model\base.py in fit(self, X, y, sample_weight)
    461         n_jobs_ = self.n_jobs
    462         X, y = check_X_y(X, y, accept_sparse=['csr', 'csc', 'coo'],
--> 463                          y_numeric=True, multi_output=True)
    464 
    465         if sample_weight is not None and np.atleast_1d(sample_weight).ndim > 1:

在我将 X_train 和 y_train 更改为具有以下语法的数据帧后，该代码有效； X = pd.DataFrame(IceCream.Temperature) 和 y = pd.DataFrame(IceCream.Revenue) 问题是我不知道为什么会这样，但不是数据系列。我正在学习 SuperDataScience.com 的机器学习课程，并且该问题顶部的代码块为讲师工作，而无需将数据系列转换为数据帧。任何帮助将不胜感激。

Answer 1

SKLearn 关于线性回归的文档

sklearn.linear_model.LinearRegression

清楚地统计了 fit 方法 X : {array-like, sparse matrix} 形状 (n_samples, n_features)

熊猫系列不满足此要求。