谁能帮我解决下面的错误 [关闭]

问：

import numpy as np
import pandas as pd
from sklearn.linear_model import LinearRegression

# Load the data
df = pd.read_excel("D:/Tcs ion/industry assessment.xlsx")

# Extract the features and target variables
X = df[['EXPERIENCE_YEARS']]
y = df['YEARLY_SALARY']

# Create a linear regression model
model = LinearRegression()




# Fit the model to the data
model.fit(X, y)

# Print the intercepts and coefficients
print('Intercept:', model.intercept_)
print('Coefficients:', model.coef_)

# Test the model with unknown experience_years
unknown_experience_years = 5

# Predict the yearly salary
predicted_salary = model.predict([unknown_experience_years])[0]

# Print the predicted yearly salary value
print('Predicted yearly salary for', unknown_experience_years, 'years of experience:', predicted_salary)

对于上面的程序，我得到了如下所述的输出

拦截： 3.5453400503778347 系数：[1.04030227]

警告（来自警告模块）： 文件“C：\Users\Manohar\AppData\Local\Programs\Python\Python311\Lib\site-packages\sklearn\base.py”，第 465 行 warnings.warn（ UserWarning：X 没有有效的特征名称，但 LinearRegression 拟合了特征名称 回溯（最近一次调用最后一次）： 文件“D：\Tcs ion\industry assessment code2.py”，第 26 行，在 predicted_salary = 模型预测（[unknown_experience_years]）[0] 文件“C：\Users\Manohar\AppData\Local\Programs\Python\Python311\Lib\site-packages\sklearn\linear_model_base.py”，第 386 行，在 predict 中 返回 self._decision_function（X） 文件“C：\Users\Manohar\AppData\Local\Programs\Python\Python311\Lib\site-packages\sklearn\linear_model_base.py”，第 369 行，_decision_function X = self._validate_data（X， accept_sparse=[“csr”， “csc”， “coo”]， reset=False） 文件“C：\Users\Manohar\AppData\Local\Programs\Python\Python311\Lib\site-packages\sklearn\base.py”，第 605 行，_validate_data out = check_array（X， input_name=“X”， **check_params） 文件“C：\Users\Manohar\AppData\Local\Programs\Python\Python311\Lib\site-packages\sklearn\utils\validation.py”，第 938 行，check_array 引发 ValueError（ ValueError：预期的 2D 数组，而是得到 1D 数组： 数组=[5]。 如果数据具有单个特征，请使用 array.reshape（-1， 1） 或 array.reshape（1， -1） （如果数据包含单个样本），则使用 array.reshape（1， -1） 来调整数据的形状。

谁能指导我对这个错误进行排序

我需要一个正确的理由和对上述问题进行排序的方法