Scikit和线性代数/机器学习的新手一般都可以使用Python，因此我似乎无法解决以下内容：
我有一个训练集和一个测试集，其中包含连续和离散值。CSV文件被加载到PANDAS DataFrames中，形状匹配，为（1460,81）和（1459,81）。但是，在使用pandas的get_dummies之后，数据框的形状更改为（1460，306）和（1459，294）。因此，当我使用Scikit线性回归模块进行线性回归时，它会为306个变量构建一个模型，并且尝试仅使用294个变量进行预测。然后，这自然会导致以下错误：
ValueError: shapes (1459,294) and (306,1) not aligned: 294 (dim 1) != 306 (dim 0)
我如何解决这样的问题？我可以以某种方式重塑（1459，294）以匹配另一个吗？
谢谢，我希望我已经清楚了：）
这是一个非常普遍的问题，当处理分类数据时。关于如何最好地处理这一点有不同的意见。
一种可能的方法是将功能应用于限制一组可能选项的分类功能。例如，如果您的功能包含字母的字母，则可以编码A，B，C，D和"其他/未知"的功能。通过这种方式，您可以在测试时间应用相同的功能，并从问题中抽象。当然，一个明确的缺点是，通过减少特征空间，您可能会失去有意义的信息。
另一种方法是在您的培训数据上建立模型，无论是自然创建的假人，并将其视为模型的基准。当您在测试时预测模型时，您会以相同的方式转换训练数据的测试数据。例如，如果您的训练集在功能中具有字母的字母，并且测试集中的相同功能包含" AA"的值，那么您会忽略这一点。这是您当前情况的相反，但前提是相同的。您需要即时创建缺失的功能。当然，这种方法也有缺点。
第二种方法是您在问题中提到的，所以我将使用pandas进行。
使用get_dummies，您将分类功能编码为多个单热编码功能。您可以使用reindex迫使测试数据匹配培训数据：
test_encoded = pd.get_dummies(test_data, columns=['your columns'])
test_encoded_for_model = test_encoded.reindex(columns = training_encoded.columns,
fill_value=0)
这将以与培训数据相同的方式编码测试数据，填写0的虚拟功能，这些功能不是通过编码测试数据而创建的，而是在培训过程中创建的。
。您可以将其包裹到一个函数中，然后即时将其应用于测试数据。如果您创建数组或列名称的列表，则不需要内存中的编码培训数据（我使用training_encoded.columns访问）。
对任何有兴趣的人：我最终合并了火车和测试集，然后生成假人，然后以完全相同的分数再次分配数据。这样，由于生成完全相同的虚拟数据，因此没有任何不同形状的问题。
这对我有用：
最初，我收到此错误消息：
shapes (15754,3) and (4, ) not aligned
我发现，我正在使用 3 变量在火车数据中创建模型。但是我添加常数X_train = sm.add_constant(X_train)会自动创建常数变量。因此，现在总共有 4 变量。
当您默认测试此模型时，测试变量具有 3 变量。因此，该错误会因维度失误匹配而弹出。
因此，我使用了为y_test创建虚拟变量的技巧。
`X_test = sm.add_constant(X_test)`
尽管这是一个无用的变量，但是这解决了所有问题。