多項式回帰を使用したモデルのフィッティングは、形状の問題のため予測できません

Question

多項式回帰を使用するコードを以下に書きました。モデルには合うが、予測できない!!

def polynomial_function(power=5, random_state=9): 
    global X_train 
    global y_train 

    X_train = X_train[['item_1','item_2','item_3','item_4']] 
    rng = np.random.RandomState(random_state) 
    poly = PolynomialFeatures(degree=power, include_bias=False) 
    linreg = LinearRegression(normalize=True) 
    new_X_train = poly.fit_transform(X_train) 
    linreg.fit(new_X_train, y_train) 
    new_x_test = np.array([4, 5, 6, 7]).reshape(1, -1) 
    print linreg.predict(new_x_test) 
    return linreg 

linreg = polynomial_function() 

は、エラーメッセージの下に取得しています：

ValueError: shapes (1,4) and (125,) not aligned: 4 (dim 1) != 125 (dim 0)  

エラーがここで起こる、

new_x_test = np.array([4, 5, 6, 7]).reshape(1, -1) 
print linreg.predict(new_x_test) 

をIはnew_X_train =（923、125） とnew_x_test =（の形状の形状を発見しました1、4）

これはどうやって重要ですか？

（1,4）の形を使用して予測しようとすると、アルゴリズムはそれを別の形に変換しようとしますか？

テストデータの次数5の多項式を見つけようとしていますか？

多項式回帰を学習しようとしていますが、誰でも何が起こっているのか説明できますか？

Answer 1

from sklearn.pipeline import Pipeline 
from sklearn.linear_model import LinearRegression 
from sklearn.preprocessing import PolynomialFeatures 

pipeline = Pipeline([ 
    ('poly', PolynomialFeatures(degree=5, include_bias=False)), 
    ('linreg', LinearRegression(normalize=True)) 
    ]) 

pipeline.fit(X_train, y_train) 
pipeline.predict(np.array([4, 5, 6, 7]).reshape(1, -1))