Python LinearRegression 输入变量维度问题

应用场景：Python sklearn LinearRegression 方法进行模型训练（可回归，可聚类）

常出现问题：
Exception: Data must be 1-dimensional
ValueError: Expected 2D array, got 1D array instead
Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample.

核心：在采用sklearn包进行回归或者聚类分析时，默认训练的样本格式为二维数据，即样本数量和训练特征的二维向量。（这一点不同于其他的线性回归，输入数据是一维向量）

解决方法;

1. 根据提示，采用numpy中的reshape方法进行维度调整，如果是只有一个维度特征而含有多个样本，则有y = np.reshape(x, (-1,1))，如果是一个样本含有多个特征，则有y = np.reshape(x, (1,-1))。-1代表的是一维。具体步骤是：
   '''
   x = np.arange(5)
   x
   array([0, 1, 2, 3, 4])
   np.shape(x)
   (5,)
   y = np.reshape(x, (-1,1))
   y
   array([[0],
   [1],
   [2],
   [3],
   [4]])
   np.shape(y)
   (5, 1)
   '''
2. 另外一种方法是采用numpy中的newaxis进行维度增加，该方法可以增加多个维度，具体应用方法是 y = x[:, np.newaxis] 即可得到维度为(5,1)的输入样本

参考资料：
https://docs.scipy.org/doc/numpy/reference/constants.html?highlight=newaxis#numpy.newaxis

https://docs.scipy.org/doc/numpy/reference/generated/numpy.reshape.html#numpy.reshape