单一数据可通过具有多个分类特征的线性回归模型进行预测

Question

我建立了线性回归模型来预测产品的销售数量， 就我而言，我有5个功能，其中4个是分类功能。

MONTH REGION INTERVENANT CONFIG WEIGHT SALES_NB

我使用了OneHotEncoder

from sklearn.preprocessing import OneHotEncoder
onehotencoder = OneHotEncoder(categorical_features = [0,1,2,3])
X = onehotencoder.fit_transform(X).toarray()
X = X [:, 1:]

（如果我错了，请纠正我）

我想知道如何格式化我的数据以将其传递给predict（）。 实际上，如果我通过：

Xnew = np.array([[2,2,14895,614,0.1]])
ynew = regressor.predict(Xnew)

我收到此错误：

  

ValueError：形状（1,4）和（428，）不对齐：4（dim 1）！= 428（dim 0）

Answer 1

在将新样本传递给预测变量之前，尝试使用onehotencoder对新样本进行编码：

Xnew = np.array([[2,2,14895,614,0.1]])
Xnew_encoded = onehotencoder.transform(Xnew)
ynew = regressor.predict(Xnew_encoded)