Sci-kit学习线性回归具有多种功能

Question

我正在使用Sci-kit Learn进行线性回归问题。在Sci-kit Learn网站上有一个功能的例子

diabetes = datasets.load_diabetes()


# Use only one feature
diabetes_X = diabetes.data[:, np.newaxis, 2]

我试着稍微改变一下代码。

diabetes_X = diabetes.data[:, np.newaxis, [0,1,2]]

当我打印出这个变量时，我有这样的东西：

[[0.03807591 0.05068012 0.06169621]]等

所以我可以说我现在有3个功能。如果我尝试将此训练数据放入我的模型中，则会出现此错误：

regr.fit(diabetes_X_train, diabetes_y_train)
  File "/Library/Python/2.7/site-packages/sklearn/linear_model/base.py", line 427, in fit
    y_numeric=True, multi_output=True)
  File "/Library/Python/2.7/site-packages/sklearn/utils/validation.py", line 510, in check_X_y
    ensure_min_features, warn_on_dtype, estimator)
  File "/Library/Python/2.7/site-packages/sklearn/utils/validation.py", line 396, in check_array
    % (array.ndim, estimator_name))
ValueError: Found array with dim 3. Estimator expected <= 2.

我在谷歌上只发现了一个功能示例，所以我不知道如何使用多种功能训练我的模型。我应该创建一个多变量并使每个特征适合每个变量吗？我希望我能清楚地说出我的问题。