Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample.出现了这个错误

这个错误通常是由于数据的形状不符合算法要求所导致的。在scikit-learn中，有些算法需要输入的数据形状是二维的，即样本数 × 特征数。如果你的数据不满足这个要求，就会出现上述错误。

根据错误提示信息，你可以尝试使用array.reshape()方法改变数据的形状。具体来说，如果你的数据只有一个特征，可以使用array.reshape(-1, 1)将数据的形状改变为一维数组中每个元素为一行的二维数组；如果你的数据只有一个样本，可以使用array.reshape(1, -1)将数据的形状改变为一行中每个元素为一个特征的二维数组。

下面是一个示例代码，演示如何使用array.reshape()方法将数据形状改变为算法所需的形状：

import numpy as np
from sklearn.linear_model import LinearRegression

# 生成随机数据
X = np.random.rand(10)
y = np.random.rand(10)

# 使用LinearRegression算法拟合数据
lr = LinearRegression()
# 报错代码：lr.fit(X, y)
# 修改后的代码：
lr.fit(X.reshape(-1, 1), y.reshape(-1, 1))

# 输出拟合结果
print(lr.coef_, lr.intercept_)

在上面的示例代码中，我们生成了一组随机数据，并使用LinearRegression算法拟合这组数据。如果直接使用lr.fit(X, y)进行拟合，就会出现上述错误。因此，我们需要将数据的形状改变为二维数组，即X.reshape(-1, 1)和y.reshape(-1, 1)，然后再进行拟合。