成功解决ValueError: Shape of passed values is (1, 332), indices imply (1, 1)

解决问题

def XGBR_train(X, y):

   train_x, test_x, train_y, test_y = train_test_split(X, y, test_size=0.3, random_state=0)  

   test_preds = pd.DataFrame({"label": test_y}, index=[1,332])

   XGBR_model = XGBRegressor(

       learning_rate=0.03,  # 默认0.3

       n_estimators=100,  # 树的个数

       max_depth=4 )

   XGBR_model.fit(train_x, train_y)

   test_preds['y_pred'] = XGBR_model.predict(test_x)

   XGBR_model_score = metrics.r2_score(test_preds['label'], test_preds['y_pred'])

   # GridSearchCV和cross_val_score的结果一样

#     scores = cross_val_score(XGBR_model, X, y, scoring='r2')

#     print(scores)

#     gs = GridSearchCV(XGBR_model, {}, cv=3, verbose=3).fit(X, y)

   return XGBR_model, XGBR_model_score

解决思路

值错误：传递值的形状为（1，332），索引表示（1，1）

解决方法

可知，形状为一维数据，所以索引只能在数据的维数范围内，不可超出！