拟合时的简单模型错误：发现样本数量不一致的输入变量

Question

我知道这个问题以各种形式存在，但是在网上搜索了几天/几个小时后，我仍然没有找到任何解决我的问题的东西。

这是我的笔记本：

import numpy as np
import pandas as pd

X = pd.read_csv('../input/web-traffic-time-series-forecasting/train_1.csv.zip')
X = X.drop('Page', axis=1)
X.fillna(0, inplace=True, axis=0)

X_sliced = X.iloc[:, 0:367]
y_sliced = X.iloc[:, 367:-1]

from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split

linreg = LinearRegression()

X_sliced.drop(X_sliced.iloc[:, 182:367], inplace=True, axis=1) #Here, I make sure that my X_sliced has the same shape as y_sliced

X_sliced.shape

输出：(145063, 182)

y_sliced.shape

输出：(145063, 182)

X_train, y_train, X_test, y_test = train_test_split(X_sliced, y_sliced)
linreg.fit(X_train, y_train)

ValueError：发现样本数量不一致的输入变量：[108797, 36266]

当我的数据框的形状完全相同时，为什么会收到此错误？

链接到 kaggle 上的原始作业：https://www.kaggle.com/c/web-traffic-time-series-forecasting/overview

Answer 1

您以错误的顺序分配了train_test_split 的输出，应该是：

X_train, X_test, y_train, y_test = train_test_split(X_sliced, y_sliced) # x, x, y, y not x, y, x, y