Não consigo rodar meu sklearn

Oi, Lúcio! Tudo bem contigo?

Existem alguns possíveis motivos para que tenha acontecido o erro que você relatou, então vou citar os erros e soluções para eles e caso nenhum deles seja a solução correta para seu caso, por favor, não hesite em informar. Vamos aos erros.

1° Possível erro: Seu notebook do colab pode estar a muito tempo desconectado e para isso seria necessário solicitar que ele retorne a conexão para o ambiente funcionar corretamente.

2° Possível erro: Pode ser que nem todas as células estejam executadas de forma que algum dado pode estar faltando.

Para ambos os erros mencionados, basta reiniciar o kernel e executar todo o código, conforme imagem abaixo, que resolverá. Para reiniciar o kernel do seu notebook, vá até a aba “ambiente de execução”, no seu google colab, e dentro dessa aba clica em "reiniciar e executar tudo”.

Espero ter ajudado, mas caso ainda persista seu problema, você pode colocar seu código aqui, para que seja possível testá-lo.

Qualquer dúvida estou sempre à disposição.

Reiniciei e executei tudo e persistiu no erro, irei deixar o meu código abaixo aqui, eu tentei fazer o mesmo no jupyter e deu o mesmo erro, e sem isso eu não consigo dar continuidade nos estudos de machine learning, se conseguir descobrir o problema só mandar msg aqui

import pandas as pd
dados = pd.read_csv('https://gist.githubusercontent.com/guilhermesilveira/1b7d5475863c15f484ac495bd70975cf/raw/16aff7a0aee67e7c100a2a48b676a2d2d142f646/projects.csv')
dados.head(10)
mapa = {
    'unfinished':'incompletos',
    'expected_hours':'horas_esperadas',
    'price':'preco',
}
dados.rename(columns = mapa, inplace = True)
troca = {
    0 : 1,
    1 : 0,
}
dados['completos'] = dados.incompletos.map(troca)
dados
import seaborn as sns
sns.scatterplot(x="horas_esperadas", y="preco",hue='completos', data=dados)
sns.relplot(x="horas_esperadas", y="preco", hue="completos", col="completos", data=dados)
x = [['horas_esperadas', 'preco']]
y = [['finalizado']]
from sklearn.model_selection import train_test_split
from sklearn.svm import LinearSVC
from sklearn.metrics import accuracy_score

SEED = 20

treino_x, teste_x, treino_y, teste_y = train_test_split(x, y,
                                                         random_state = SEED, test_size = 0.25,
                                                         stratify = y)
print("Treinaremos com %d elementos e testaremos com %d elementos" % (len(treino_x), len(teste_x)))

modelo = LinearSVC()
modelo.fit(treino_x, treino_y)
previsoes = modelo.predict(teste_x)

acuracia = accuracy_score(teste_y, previsoes) * 100
print("A acurácia foi %.2f%%" % acuracia)

Oi, Lúcio! Tudo tranquilo ?

O erro está acontecendo porque você está passando para o train_test_split() duas listas, x e y, uma com dois elemento e a outra com um elemento, conforme a reprodução do seu código abaixo:

x = [['horas_esperadas', 'preco']]
y = [['finalizado']]

Logo quando o train_test_split() tenta separar conjunto de dados ele acusa erro no tamanho da amostra (lembrando que y possui tamanho um), e gera esse erro que você encontrou.

Um detalhe, quando você faz seu dicionário mapa você usa 'unfinished':'incompletos', porém na aula o professor declara 'unfinished' : 'nao_finalizado'. Posteriormente o professor fez a troca de valores, onde era 0 passou a ser 1 e onde era 1 passou a ser 0. Você fez a troca certinha, porém renomeou para dados['completos'] = dados.incompletos.map(troca), aí na hora de fazer a declaração da variavel y você tentou acessar como o professor demonstrou, usando finalizado. Uma dica é você usar os mesmos nomes utilizados pelo professor durante o curso.

mapa = {
    'expected_hours' : 'horas_esperadas',
    'price' : 'preco',
    'unfinished' : 'nao_finalizado'
}

troca = {
    0 : 1,
    1 : 0
}
dados['finalizado'] = dados.nao_finalizado.map(troca)
dados.head()

Tenta substituir esse trecho da definição de x e y no seu notebook pelo trecho de código abaixo :

x = dados[['horas_esperadas', 'preco']]
y = dados[['completos']]

No código acima estamos fazendo acesso ao conjunto de dados definido, assim o train_test_split() não acusará o tamanho da amostra e o código funciona como esperado, acessando o conjunto de dados correto.

Lembrando que o código passado acima está com os nomes de variáveis conforme o notebook enviado por você, então é só substituir e rodar.

Caso tenha alguma dúvida estou sempre à disposição.

Espero ter ajudado. :)