多项logistic回归的Scikit-learn Bad输入形状误差
多项logistic回归的Scikit-learn Bad输入形状误差
提问于 2015-12-01 03:31:22
我正在使用Scikit-learn在Python中实现一个多项logistic回归模型。这是我的密码：
X = pd.concat([each for each in feature_cols], axis=1)
y = train[["<5", "5-6", "6-7", "7-8", "8-9", "9-10"]]
lm = LogisticRegression(multi_class='multinomial', solver='lbfgs')
lm.fit(X, y)但是，当ValueError: bad input shape (50184, 6)试图执行最后一行代码时，我会得到它。
X是一个有50184行7列的DataFrame。y还有50184行，但有6列。
我最终想要预测的是什么(<5，5-6，等等)结果就落空了。本例中使用的所有自变量和因变量都是虚拟列，其二进制值为0或1。我遗漏了什么？
回答 1
Stack Overflow用户
回答已采纳
发布于 2015-12-01 04:10:33
Logistic回归三级分类器示例说明了LogisticRegression是如何使用向量而不是矩阵输入的，在本例中是iris数据集的target变量，编码为值[0, 1, 2]。
要将虚拟矩阵转换为一个系列，您可以用不同的整数乘每一列，然后--假设它是pandas.DataFrame --只需对结果调用.sum(axis=1)。类似于：
for i, col in enumerate(y.columns.tolist(), 1):
y.loc[:, col] *= i
y = y.sum(axis=1)页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/34012100
复制相关文章
相似问题
腾讯云开发者
