我对Python还比较陌生，我正在尝试创建一个多元线性回归模型，该模型有两个预测变量和一个依赖变量。在做这方面的研究时，我发现Scikit提供了一个类来做这件事。我试图为我的变量创建一个模型，我得到了以下消息：

Shape of passed values is (3, 1), indices imply (2, 1)

我使用的代码是：

from sklearn import linear_model

data = pd.read_csv('data.csv',delimiter=',',header=0)

SEED_VALUE = 12356789

np.random.seed(SEED_VALUE) 

data_train, data_test = train_test_split(data, test_size=0.3, random_state=SEED_VALUE)

print('Train size: {}'.format(data_train.shape[0]))
print('Test size: {}'.format(data_test.shape[0]))

data_train_X = data_train.values[:,0:2] #predictor variables
data_train_Y = data_train.values[:,2].astype('float') # dependant

model = linear_model.LinearRegression() 

np.random.seed(SEED_VALUE)

model.fit(data_train_X, data_train_Y)  

coef = pd.DataFrame([model.intercept_, *model.coef_], ['(Intercept)', *data_train_X.columns], columns=['Coefficients'])
coef

我在model.fit(data_train_X, data_train_Y)行中得到了错误。我在网上搜索了使用Scikit方法的不同方法，我发现其他人使用相同的代码没有错误，所以我不知道我的错误可能在哪里
非常感谢大家
数据文件如下：

"retardation","distrust","degree"
2.80,6.1,44
3.10,5.1,25
2.59,6.0,10
3.36,6.9,28
2.80,7.0,25
3.35,5.6,72
2.99,6.3,45
2.99,7.2,25
2.92,6.9,12
3.23,6.5,24
3.37,6.8,46
2.72,6.6, 8